18、物流中实现稳健自主物料搬运的感知算法解析

物流中实现稳健自主物料搬运的感知算法解析

1. 感知算法基础概念

在物流场景中，要实现物料搬运自动化，机器人需应对各种不同的物料情况，因此智能视觉系统必不可少。感知算法的研究在现实环境中的机器人领域仍处于发展阶段，目前还没有一种通用的完美解决方案，存在多种不同的基础方法。

感知算法的流程起始于包含物体的真实或模拟场景。机器人通过合适的传感器，以二维或三维图像（RGB 或 RGB - D）以及点云的形式捕捉场景信息。这些数据要经过多阶段处理才能确定最终的抓取点。

其中一个重要的中间结果是确定物体的 3D 姿态。首先对记录的输入数据进行分割，然后对分割出的物体进行分类，进而估计物体在空间中的精确位置。也有一些方法通过神经网络基于二维 RGB 图像预测空间位置，而无需上述明确的中间阶段。还有点云匹配方法，尝试将各种物体的三维模型放置在捕获的点云中。

确定物体的 3D 姿态后，就可以确定抓取点。研究中主要有两种方法：分析方法和经验方法。经验方法是将物体的 3D 姿态与数据库中已存储的抓取场景进行比较来确定抓取点；分析方法则是根据成功抓取所需的各种标准，检查分割物体上可用的区域，这些标准取决于多种影响因素，如要抓取物体的表面或抓取器的类型（手指或吸盘抓取器）。

确定抓取点后，机器人即可执行操作任务，并对整个抓取过程的成功与否进行评估。生成的知识可直接用于模型的再训练，或作为数据库中的另一个示例。此外，还有通过神经网络或其组合来预测最合适抓取点的尝试，近年来强化学习以及强化学习与模仿学习相结合的方法受到了更多关注。

为克服现有整体算法的复杂性和易出错性，采用模块化方法。为从处理输入数据到输出抓取点的核心功能寻找单独的模块，这些模块一