25、3C 组件姿态歧义消除与机械臂控制方法研究

3C 组件姿态歧义消除与机械臂控制方法研究

一、3C 组件姿态歧义消除算法

在 3C 组件的 6D 姿态估计中，传统的初始姿态估计方法存在诸多问题。像 RANSAC、SAC - IA、4PCS 等初始配准方法，由于随机选择、点云高度对称以及点云描述符提出的特征向量相似等原因，都会得到模糊的姿态。而 PCA 虽也用于计算初始姿态，但轴方向不确定，会有 8 种可能的模糊姿态。之前有人在这 8 种情况中选择距离最小（对齐误差最小）的姿态，但因物体对称性和 PCA 的姿态精度问题，仍可能产生模糊姿态。此外，之前基于 Linemod 的算法对工作距离敏感，且需要大量模板来保证精度，耗费时间和内存。

为此，提出了基于 PCA 和形状匹配的姿态歧义消除算法，其框架如下：
1. 3D 传感器采集数据 ：3D 传感器捕获场景点云和 2D 图像。
2. 点云分割 ：对场景点云进行分割，得到 3C 组件的物体点云。
3. 获取模糊姿态 ：通过 PCA、CAD 模型坐标系和右手坐标系约束，得到 4 种模糊姿态。
4. 图像变换 ：对捕获的 2D 图像进行预处理后，通过单应性变换得到 3C 组件的顶视图。
5. 确定正确姿态 ：使用模板匹配算法确定 3C 组件局部坐标系的 Z 轴和 Y 轴正方向，进而找到正确姿态。

1. 基于 PCA 的点云配准

PCA 相比 RANSAC、SAC - IA、4PCS 和基于描述符的方法效率更高，所以用于初始配准。在 PCA