典型文献
复杂场景点云数据的6D位姿估计深度学习网络
文献摘要：
针对工业上常见的弱纹理、散乱摆放复杂场景下点云目标机器人抓取问题,该文提出一种6D位姿估计深度学习网络.首先,模拟复杂场景下点云目标多姿态随机摆放的物理环境,生成带真实标签的数据集;进而,设计了6D位姿估计深度学习网络模型,提出多尺度点云分割网络(MPCS-Net),直接在完整几何点云上进行点云实例分割,解决了对RGB信息和点云分割预处理的依赖问题.然后,提出多层特征姿态估计网(MFPE-Net),有效地解决了对称物体的位姿估计问题.最后,实验结果和分析证实了,相比于传统的点云配准方法和现有的切分点云的深度学习位姿估计方法,所提方法取得了更高的准确率和更稳定性能,并且在估计对称物体位姿时有较强的鲁棒性.
文献关键词：
点云;深度学习;位姿估计
中图分类号：
作者姓名：
陈海永;李龙腾;陈鹏;孟蕊
作者机构：
河北工业大学 天津 300130
文献出处：
引用格式：
[1]陈海永;李龙腾;陈鹏;孟蕊-.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(05):1591-1601
A类：
点云实例分割,MFPE
B类：
复杂场景,景点,点云数据,6D,位姿估计,深度学习网络,弱纹理,散乱,摆放,机器人抓取,多姿态,物理环境,点云分割,分割网络,MPCS,Net,接在,行点,RGB,姿态估计,点云配准,配准方法,切分,估计方法,更稳,稳定性能
AB值：
0.302741
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
