ARTICLE

Volume 3,Issue 9

Cite this article
1
Download
8
Citations
24
Views
28 April 2026

基于异构数据特征融合的非规则回转体位姿估计算法

爱玲 程1
Show Less
1 浙江博城机器人科技有限公司, 中国
TACS 2026 , 3(8), 77–79; https://doi.org/10.61369/TACS.2026080043
© 2026 by the Author(s). Licensee Art and Technology, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )
Abstract

非规则回转体是精密制造、工业装配、机器人抓取领域核心零部件,高精度位姿估计是其自动化作业的关键。针对现有算法在低纹理、局部遮挡工况下位姿估计精度差,三维点云运算效率偏低,传统异构融合算法特征利用率不足等工程问题,本文提出RGB 图像与三维点云异构数据融合的三阶段非规则回转体位姿估计算法。算法分为目标分割、初始位姿估计、位姿求精三大模块:分割阶段嵌入轻量化注意力机制优化实例分割网络,提纯目标数据、优化边缘分割效果;初始位姿估计阶段依托回转体固有几何特征,设计高斯曲率自适应关键点分层采样策略,削减点云冗余数据,融合图像纹理、点云几何两类特征完成初始位姿求解;位姿求精阶段迭代修正二维- 三维匹配误差,优化位姿参数。工业工况实验表明,该算法适配低纹理、轻微遮挡复杂场景,相较于单模态与常规融合算法,位姿估计精度、鲁棒性与运算效率优势明显,能够满足工业精密自动化作业高精度使用要求。

Keywords
非规则回转体
位姿估计
异构数据
特征融合
高斯曲率
注意力机制
References

[1] 魏隆星. 面向智能工厂应用的工件位姿估计算法研究[D]. 东北大学,2023.
[2] 邓天睿. 基于三维点云点对特征的工件位姿估计方法研究[D]. 西南科技大学,2024.
[3] 陈海永, 李龙腾, 陈鹏, 等. 复杂场景点云数据的6D 位姿估计深度学习网络[J]. 电子与信息学报,2022,44(5):1847-1855.
[4] 夏文明, 曾庞钗, 陈斌, 等. 数字技术赋能数字化工厂实训室建设研究[J]. 科技与创新,2025,(18):188-191.
[5] 疏阳, 孙轶琳, 梅振宇, 等. 基于多源数据的个体活动序列多步预测[J]. 浙江大学学报( 工学版),2025,59(11):2317-2325.
[6] 房乾刚. 基于CMM 的涡轮叶片叶型测量数据补偿和配准方法研究[D]. 重庆大学,2024.
[7] 孙梦. 三维点云数据配准技术研究[D]. 长春工业大学,2023.
[8] 赵绍轩, 周晓光, 侯东阳, 等. 形状与位置先验信息引导的遥感影像建筑物域适应提取方法[J]. 遥感学报,2025,29(12):3609-3625.
[9] 任可. 基于多尺度关键点提取的关系感知型点云补全方法[D]. 电子科技大学,2025.

Share
Back to top