文章摘要:针对单深度相机视角下获取的物体深度图像存在噪声干扰，遮挡等问题，使得物体点云形状缺失或变形，三维特征存在不稳定性。因此提出了一种多深度相机融合的方法，通过多相机的标定结果，将各个相机视角下的点云进行拼接获取完整物体形状，然后利用■邻域去噪算法删去噪声点，以及体素化降采样方法，使得拼接后的点云在空间中是均匀分布。然后建立了一个端到端的神经网络，输入RGB-D图像输出预测二指平行夹爪的3D位置和3D方向。为了对预测抓取结果进行了优化，改进了神经网络中对预测结果的鲁棒性评估，提出了力螺旋空间场的评价方法，提高了4%的成功率。最终利用AR5机械臂在实际抓取系统中实现了91%的抓取成功率。

文章关键词:

项目基金: