针对机器人无序工件分拣过程中在遮挡情况下不同外形工件识别率差异较大的问题,对全局特征描述子和局部特征描述子的描述及投票过程进行详细地分析,分别选取其中实时性较好的PPF(Point Pair Feature)和SHOT(Signature of Histograms of ...针对机器人无序工件分拣过程中在遮挡情况下不同外形工件识别率差异较大的问题,对全局特征描述子和局部特征描述子的描述及投票过程进行详细地分析,分别选取其中实时性较好的PPF(Point Pair Feature)和SHOT(Signature of Histograms of OrienTations)描述子在不同程度遮挡情况下使用不同外形工件进行识别实验,有针对性地对机器人无序分拣中不同外形工件适用的算法进行实验对比和总结,使在不同外形工件上的识别率达到最大化,实验结果表明:PPF全局描述子对工件点云模型的外形特征和遮挡较为敏感,特征不明显工件的识别率为0%,对于外形特征明显、无遮挡的点云模型工件识别速度较快(1 s内)且准确率较高,SHOT局部描述子对遮挡的鲁棒性较强,并且对外形特征不明显工件有一定的识别能力,特征明显与特征不明显工件的识别率均保持在90%以上。展开更多
文摘针对机器人无序工件分拣过程中在遮挡情况下不同外形工件识别率差异较大的问题,对全局特征描述子和局部特征描述子的描述及投票过程进行详细地分析,分别选取其中实时性较好的PPF(Point Pair Feature)和SHOT(Signature of Histograms of OrienTations)描述子在不同程度遮挡情况下使用不同外形工件进行识别实验,有针对性地对机器人无序分拣中不同外形工件适用的算法进行实验对比和总结,使在不同外形工件上的识别率达到最大化,实验结果表明:PPF全局描述子对工件点云模型的外形特征和遮挡较为敏感,特征不明显工件的识别率为0%,对于外形特征明显、无遮挡的点云模型工件识别速度较快(1 s内)且准确率较高,SHOT局部描述子对遮挡的鲁棒性较强,并且对外形特征不明显工件有一定的识别能力,特征明显与特征不明显工件的识别率均保持在90%以上。