提高机器人识别机率的线性推动策略

针对机器人工业抓取场景中,堆叠的工件相互遮挡,难以识别的问题,提出一种基于聚类网格法的自适应线性推动策略AC-Grid。融合二维图像与点云高度渲染信息,根据抓取场景内工件的散乱堆叠情况分析出可靠的几何特征,为机器人优化出一条合理有效的工件推动路线。在V-REP仿真环境中制作80组“PushTD”系列的模拟场景数据集,对比实验结果表明,AC-Grid推动策略在仿真场景下最高能使平均目标匹配识别度提高至39.6%,在实际场景中能达到16.4%,在不同场景中均能起到显著分离和目标识别度提升的作用。