采用隨機(jī)蕨回歸的工業(yè)零件六維姿態(tài)估計(jì).pdf

1、隨著工業(yè)機(jī)器入應(yīng)用領(lǐng)域的不斷發(fā)展，物體的六維位姿估計(jì)是成為當(dāng)下進(jìn)一步提高自動(dòng)化水平的一個(gè)重要研究?jī)?nèi)容。通過(guò)自動(dòng)化的視覺(jué)系統(tǒng)對(duì)工業(yè)零件進(jìn)行位姿估計(jì)，可以簡(jiǎn)化對(duì)機(jī)器人操作點(diǎn)位的部署過(guò)程，大大解放人力，從而提高工業(yè)生產(chǎn)的效率。本文面向目前柔性制造領(lǐng)域中工業(yè)零部件存在姿態(tài)隨機(jī)、存在局部遮擋等問(wèn)題提出了一套簡(jiǎn)單易用的物體六維位姿估計(jì)算法框架，其核心思想是通過(guò)仿真環(huán)境借助級(jí)聯(lián)回歸框架來(lái)構(gòu)建物體位姿估計(jì)模型。本文主要研究?jī)?nèi)容與成果如下:
　　歸

2、納整理了隨機(jī)蕨算法應(yīng)用于回歸問(wèn)題的解決方案，并提出了一種面向大噪聲干擾增加掩碼機(jī)制的改進(jìn)隨機(jī)蕨回歸算法。隨機(jī)蕨算法在研究初期被用于解決分類問(wèn)題，具有比隨機(jī)森林算法更為優(yōu)秀的精度以及效率，但缺點(diǎn)在于不能應(yīng)用于回歸問(wèn)題。本文通過(guò)總結(jié)前人經(jīng)驗(yàn)，給出了隨機(jī)蕨算法應(yīng)用于回歸問(wèn)題的解決方案。并針對(duì)實(shí)際問(wèn)題中很多特征輸入存在較大干擾的情況，提出了一套改進(jìn)的隨機(jī)蕨算法。經(jīng)過(guò)本文改進(jìn)后的隨機(jī)蕨算法可以利用較易獲取的特征置信度掩碼進(jìn)行有選擇作出修正，使得隨

3、機(jī)蕨算法在遇到局部大噪聲干擾的情況下仍然可以保持較好的回歸精準(zhǔn)度，提升了魯棒性。
　　搭建了一套深度相機(jī)仿真環(huán)境平臺(tái)，通過(guò)借助OpenGL工具，能夠?qū)崿F(xiàn)在短時(shí)間內(nèi)給出大量帶有真值標(biāo)注的仿真深度圖像數(shù)據(jù)。這些仿真數(shù)據(jù)可以用于訓(xùn)練對(duì)應(yīng)工業(yè)零件的位姿估計(jì)模型，從而為物體位姿估計(jì)算法開(kāi)發(fā)提供了高效方便的基礎(chǔ)環(huán)境。該仿真環(huán)境能夠預(yù)先加載工業(yè)現(xiàn)場(chǎng)的深度背景信息，同時(shí)也可以模擬復(fù)雜環(huán)境下物體被隨機(jī)遮擋的情況，使得最后得到的仿真深度圖像更為真實(shí)以

4、及豐富，從而讓位姿估計(jì)模型的訓(xùn)練結(jié)果與真實(shí)數(shù)據(jù)訓(xùn)練出的模型更為接近。最后還提出了如何對(duì)真實(shí)深度相機(jī)采集到的深度圖像中的空洞進(jìn)行修補(bǔ)的辦法，進(jìn)一步縮小了仿真深度圖像與真實(shí)深度圖像之間差別。
　　提出了一種像素差特征的圖像特征描述方法和采用改進(jìn)隨機(jī)蕨回歸的物體六維位姿估計(jì)算法。首先提出了一種基于深度圖像中的像素差特征的全新深度圖像特征描述方法。該特征描述方法具有非常高的計(jì)算效率，同時(shí)具有尺度不變性，能夠很好捕捉深度圖像中指定位置的物體