乐 英，赵志成

（华北电力大学能源动力与机械工程学院，河北保定071000）

随着工业4.0进程的不断推进，企业的生产模式正经历着由传统模式向自动化、智能化模式转变。在这一转化过程中，通过工业相机获取所需要的物体信息研究成为了一个重要的研究领域。

在机器人抓取任务时，不仅能够抓取到物体，同时也要求机器人以某样的姿态去完成抓取任务，这就要求在获取空间位置信息的同时也要获取目标物体的姿态信息。在获得物体的空间位置信息的基础上，周凡桂等［1］提出一种基于编码合作标志点的方法估计目标位姿。通过将标志点布置于模型表面，运用立体匹配技术和绝对定姿算法求解相对位姿初值，并进行误差优化。虽然这种方法可以获取精度较高的物体位姿，但是主要依赖于所布置的标志点，然而，在实际的生产过程中，文中所提的条件是不易满足的。蒋萌等［2］根据标定的结果对选定的特征点进行三维重建，并根据选定的特征点在图像和实际场景中对应的2D-3D位置信息求解目标位姿，但是这种根据选定的几个特征点对获取的位姿矩阵在文中进行反向验证时，Z轴的误差最大达到了4.604 mm。Pas等［3］提出了基于几何条件约束的检测方法，其主要思想是在物体上定义若干几何条件为后续计算目标最佳抓取位姿提供约束条件。近些年来，随着深度学习的快速发展，也有学者将深度学习应用到物体位姿估计领域中。文献［4］提出了一种多模特征深度学习构建叠层深度网络实现抓取位姿最优判断。……