李红卫，张煜奇，周 军，汪 俊

（1.航空工业西安飞机工业（集团）有限责任公司，西安710089；2.南京航空航天大学机电学院，南京210016）

随着工业机器人在零件识别、抓取和现场巡检等制造环节、场景的大量应用［1］，基于机器人对零件的位姿计算技术已经成为智能制造领域中的重要一环。飞机制造过程中大量的机械零件，由于其形状种类多、尺寸大小不一等特点，始终缺乏快速、有效的零件自动分拣手段，使分拣环节难以与零件的自动配送系统形成高效的有机整体，限制了飞机制造的自动化程度及生产效率的进一步提升。研究机械零件的位姿计算技术已日益迫切。

传统的机械零件位姿识别计算方案如Delta 机器人识别方法、射频识别技术等，由于准确率与效率较低、应用局限性大以及位姿计算精度低等原因，很难满足现代飞机制造的需求。近年来，国内外许多科研人员基于点对特征（Point pair feature，PPF）［2］对三维物体的位姿识别开展了大量的研究［3⁃7］。王化明等［8］提出了基于点对特征和局部参考系的位姿计算算法，提高了目标物体识别的准确率以及效率。鲁荣荣等［9］提出一种增强型点对特征用来识别目标物体，解决了原始算法中存在的内存浪费以及效率低下的问题。然而，在严重遮挡、散乱堆放的场景中，如图1所展示的机械零件和机械臂抓取现场，现有的位姿识别方法面临较大的挑战，无法达到工业现场要求的识别效率以及准确率。飞机机械零件因表面无纹理或纹理少、几何形状种类繁多、大小不一，位姿计算的技术难度更大。……