摘要
在实际工业生产中,存在大量工件散乱、堆叠排放,并且受光照等环境因素影响的场景,基于2D视觉引导的机械臂对工件抓取效率低、适用性差。本文基于3D机器视觉设计了一种工件识别及无序抓取系统,包括对目标点云数据进行滤波处理,使用改进的欧氏聚类算法融合点云边缘信息完成对点云数据的分割,改进的FPFH算法对点云数据进行识别及配准,最后使用GPD物体抓取姿态检测算法,得到最优抓取方案的坐标,通过ROS多机通讯传给机械臂完成抓取。实验表明,该套系统抓取准确率达到了88.6%,相对于改进前的算法系统抓取平均时间降低2 s以上。
出处
《安阳工学院学报》
2023年第4期55-60,共6页
Journal of Anyang Institute of Technology
基金
重庆科技学院2022年第一批硕士研究生创新计划项目“基于3D视觉的工业元器件数量检测及目标抓取技术研究”(YKJCK2120413)
2022年国家级大学生创新训练计划项目“基于3D点云的工业元件数量检测与抓取技术的研究”(202211551010)。
