基于ROS和點云庫的室內(nèi)三維物體識別與姿態(tài)估計.pdf

1、近幾年，伴隨著人工智能、智能家居的快速發(fā)展，越來越多的服務(wù)型機器人出現(xiàn)我們的視野中，而在室內(nèi)環(huán)境下的物體識別與姿態(tài)估計是服務(wù)機器人必備的一個技能。因此，本文以廣東工業(yè)大學機器人實驗室的實驗設(shè)備KUKAyouBot機器人作為研究平臺，以開源機器人操作系統(tǒng)ROS和點云庫PCL為工具，利用Kinect作為數(shù)據(jù)源，針對室內(nèi)環(huán)境下的三維物體識別與6自由度姿態(tài)估計問題進行了深入研究，目的是為機器人后續(xù)的自主抓夾提供基礎(chǔ)。
　　首先，本文介紹了

2、機器人平臺和Kinect深度傳感器的一些基本原理，然后簡單介紹了ROS和PCL，隨后將獲取到的點云進行預(yù)處理，為下一步分割工作做準備。
　　接著，針對室內(nèi)環(huán)境有大量平面的特性，利用RANSAC算法提取出平面，再對剩余部分進行聚類分割。借助于同一個物體多視角下模型，使用全局不變幾何特征CVFH來建立模型數(shù)據(jù)庫，最后利用HDF5和kd-tree建立索引，采用FLANN進行最近鄰匹配以達到自動識別目標聚類的效果。
　　然后，要獲取

3、姿態(tài)需要將場景目標和數(shù)據(jù)庫中的模板對齊，以獲得他們之間的旋轉(zhuǎn)和平移關(guān)系。但這里只能求得5個自由度，因為相機roll角的變化不會令CVFH全局幾何特征發(fā)生變化，因此還需要利用CRH來單獨計算roll角。
　　再次，為了使最終的結(jié)果更精確，加入兩個對于識別和姿態(tài)估計的優(yōu)化步驟。首先利用ICP來對對齊部分進行優(yōu)化，接著加入全局假設(shè)驗證(Global HypothesisVerification)來剔除誤判的目標。
　　最后，對深度