翟敬梅， 黄 乐

(华南理工大学 机械与汽车工程学院， 广州 510641)

机器人的自动化分拣大大提高了生产力，在零件装配、搬运码垛以及物流分拣等领域中具有广泛的应用前景。然而，在一些复杂场景中目标任意堆放、相互遮挡等问题，给机器人的自动化分拣带来了巨大的挑战，其中获取目标的6D位姿是机器人成功分拣的关键。目前，已经有许多学者针对目标位姿估计研究提出了可行的方法。Rad等[1]基于卷积神经网络的方法对图像中的目标进行定位和分割，以2D投影点预测目标的位姿，但该方法对旋转对称目标效果较差。Hu等[2]引入一个分割驱动的位姿估计框架，以目标可见部分的关键点预测整体位姿，不足之处在于对多同类物体的情况表现不好。Pavlakos等[3]利用卷积神经网络从单一RGB图像中预测一组关键点，结合可变形状模型估计目标的姿态，无法应对目标存在遮挡的情况。在2D-3D对应点匹配的基础上，为了提高搜索效率，基于投票思想产生了新的位姿估计方法。Drost等[4]提出了将点对特征PPF(Point pair features)作为模型的整体描述，对参数空间投票求解出目标位姿。Wang等[5]提出了一个端到端的网络框架DenseFusion，将RGB数据和点云数据融合估计目标姿态。Peng等[6]提出采用PVNet(Pixel-wise voting network)对投影的2D关键点位置进行投票，然后转换为PnP(Perspective-n-point)问题来估算位姿[7]。然而2D关键点的预测依赖于强纹理特征，对于弱纹理目标的效果较差，通常采用CAD模型配准的方式解决此类问题。Hinterstoisser等[8]提出了基于图像梯度信息和点云法向特征的模板匹配方法来实时获取目标位姿，对于相互重叠等复杂情况下的物体位姿估计仍存在不足。……