徐友法，王卫军，王兆广，陈宝

(中国电子科技集团公司第二十一研究所，上海 200233)

0 引 言

随着三维物体抓取需求的增加，基于三维视觉的抓取得到了广泛研究。目前，研究领域主要集中在三维抓取标定、姿态估算、抓取路径规划等领域。

姿态估算中，由于采集的图象已经转换成点云图，因此姿态估算主要研究为点云的匹配技术。点云匹配一般分为粗匹配和精匹配，粗匹配技术主要有随机抽样一致性[1-3](RANSAC，Random Sample Consensus)、主成分分析[4](PCA，Principal Component Analysis)等，精匹配有近点迭代法[5-6](ICP，Iterative Closest Points)等。

点云匹配时，需要有一个模板作为标准，即模板建立。点云模型建立主要有二种方式获取： 基于三维CAD建图软件建立物体的三维模型[7-8]，基于视觉处理软件获得三维模型[9-10]。视觉处理方式采用深度相机或双目相机对物体沿不同方向拍摄，通过多图象合成物体的三维模型。摄象机拍摄主要是抓取物体表面特征，或者通过几次拍摄获取多个表面特征，虽然也能改善之前的一些特殊情况的局限性，但仍然存在产品自身拍摄的遗漏。

在理论研究匹配算法得到广泛研究时，基于匹配算法的实际抓取研究则主要集中在二维视觉领域，其主要原因为理论匹配矩阵和实际抓取时机器人的姿态和抓取点无法方便地建立联系。对于平面物体的抓取，我们可以通过旋转角度和中心点的坐标直接进行抓取[11-12]。对于三维物体定位，物体的抓取点确认和抓取姿态确认则无法通过简单的模板匹配矩阵直接获取。现在常用的方法是通过深度学习方法直接获取抓取位置和姿态[13-14]，但是此方法要求较高，需要深度学习算法的训练，并且深度学习算法会引入一定的误差，对于固定物体抓取不适用。……