机器人抓取中物体3D定位算法介绍

本文同步于微信公众号：3D视觉前沿，欢迎大家关注。

引言

常见的目标检测方法能够获得物体的2D包围盒（Bounding Box），然而这对于机器人抓取任务是不够的。机器人抓取需要知道物体的准确朝向，进而确定抓取点。针对纹理丰富的物体，可以使用SIFT等特征点与模板图像匹配进行定位；对于弱纹理或无纹理物体，可以使用稳定的梯度或者深度图法向进行匹配，进而恢复位姿；一些基于parts进行投票的方法也取得了很好的效果；然而，这些方法对于光照和杂乱场景效果很不好；因此，在实际应用中，仍然主要采用基于Depth图像的方法，先进行全局配准，再基于ICP等方法细配准。

配准方法介绍

当两片点云已有一个较好的初始姿态（close alignment）时，可以不使用全局配准，只使用局部配准（Local Registration）方法refine姿态，局部配准方法包括ICP（point-to-point，point-to-plane），Sparse-ICP，以及其他变种；

当两片点云处于任意姿态（in arbitrary initial poses），需要使用全局配准（Global Registration）方法；最早可以采用RANSAC方法随机选择3对点计算变换T，但复杂度最高O(n3)；其后，一类方法（4PCS等）使用各种优化方法降低RANSAC的复杂度；一类方法根据点云的局部特征描述符（Spi