一种基于深度学习的低纹理工业零件位姿估计方法

摘要

本发明公开了一种基于深度学习的低纹理工业零件位姿估计方法，涉及计算机视觉技术领域，所述方法包括以下步骤：首先对所需位姿估计的工业零件进行三维建模，构造物理仿真环境，并在所述仿真环境中生成所述工业零件处于不同位姿的数据集；其次对所述数据集进行实例分割和裁剪；最后建立基于深度学习的位姿估计子网络和位姿细化子网络，以得到低纹理工业零件的位姿。本发明通过对工业零件进行三维建模，建立基于深度学习的位姿估计子网络和位姿细化子网络，分别以RGB图和深度图、原始点云和用初始位姿渲染得到的新的点云作为输入，极大程度地提高了对于低纹理、具有反光表面的工业零件的识别效果，对工业散乱零件的抓取具有重要的应用价值。