基于点云深度学习的散乱堆叠轴承圈位姿检测 |
| |
引用本文: | 麦海锋,姚锡凡.基于点云深度学习的散乱堆叠轴承圈位姿检测[J].组合机床与自动化加工技术,2023(11):56-59+64. |
| |
作者姓名: | 麦海锋 姚锡凡 |
| |
作者单位: | 华南理工大学机械与汽车工程学院 |
| |
基金项目: | 广东省基础与应用基础研究基金项目(2021A1515010506,2022A1515010095); |
| |
摘 要: | 为解决工业应用中散乱堆叠轴承圈的难识别、分割与抓取问题,提出一种分层递进随机下采样算法对采集的点云模型进行下采样操作,并结合提出的基于RGB阈值自动标注算法完成数据集的制作,利用PointNet++网络预测并分割出可抓取轴承圈上表面,进而使用RANSAC算法精确分割出待抓取轴承圈上表面,最后采用防干涉的抓取点选取策略完成待抓取轴承圈的位姿检测。实际场景下三组抓取实验得到的成功率均在98%以上,验证了其有效性。
|
关 键 词: | 工业零件 点云深度学习 位姿检测 机械臂抓取 |
|
|