一种基于实例分割和点云配准的六维位姿估计方法

本文提出一种基于Mask R-CNN实例分割网络和Super4PCS点云配准算法来估计物体六维姿态的方法。通过目标点云与已知位姿的参考点云进行配准,可以获取目标的六维姿态。但实际中往往采用三维设备扫描目标的整体环境,生成的点云数量庞大,直接作为源点云与参考点云配准时,会由于候选集较多从而导致运算时间太长,因此本文先对目标实例分割处理后再配准:首先,利用深度相机获取整体环境的RGB-D图,其次利用Mask R-CNN模型将把目标分割出来,并将分割的目标RGB-D图转化为点云图,利用Super4PCS点云配准算法与参考点云进行配准,最终得到目标的六维位姿。在自制作的数据集上进行了验证,对比分割前后的四组实验,时间降低率约为60%-80%,有效证明了本方法的可行性。