3、大规模实时3D重建与物体位姿估计在料箱抓取系统中的应用

大规模实时3D重建与物体位姿估计在料箱抓取系统中的应用

1. 引言

机械臂抓取是机器人自动化领域的重要研究课题，在分拣、装配、装载、焊接和喷涂等方面有广泛应用。然而，目标物体空间位置的不确定性、点云分辨率低、重建速度慢、场景复杂和遮挡等问题，增加了机械臂抓取目标物体的难度，对现有的机械臂分拣技术构成了严峻挑战。

随着TOF、结构光和LIDAR等3D视觉技术的快速发展，3D点云数据更易获取，3D视觉系统在越来越多的领域得到应用。物体识别是机器人和机器视觉中的经典问题，准确确定杂乱和遮挡场景中物体的位置和姿态，吸引了众多研究人员的关注。目前已有多种物体识别和位姿估计算法，如RANSAC、LINEMOD、3DSC、FPFH、SHOT、VFH、CVFH、ICP匹配和PPF方法等。这里主要介绍一种实时大规模3D重建和目标位姿估计系统，用于机器人分拣。

2. 实时结构光重建

2.1 GPU与并行处理管道

随着结构光投影图像数量的增加，用于重建处理的像素数量也会增多。为了重建场景，需要捕获22张图像。传统的CPU串行计算在重建大规模点云时，在时间和效率上存在局限性，无法满足工业实时性要求。因此，采用基于CUDA编程的GPU并行加速方法，来实现密集点云处理算法的加速。与CPU串行计算相比，GPU的并行加速可以显著减少重建算法的运行时间，提高算法在工业应用中的效率和可行性。

基于GPU并行化的算法整体流程如下：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-widt