Grasp Pose Detection in Point Clouds

解决的问题

论文提出了基于部分点云的抓取位姿计算方法GPD（Grasp Pose Detection）。该方法首先对点云体素化以实现压缩和去噪等预处理，然后获得感兴趣区域（Region of Interest, ROI），这个ROI 可以包含多个物体，或者是物体位置的近似估计。之后在 ROI 区域均匀随机采样 N 个抓取点，以该点所在的曲面法向作为候选抓取的朝向，并通过对该抓取进行旋转和平移扩充候选抓取的数量，用于寻找满足力闭合抓取的机器手 6DOF 位姿。最后每个抓取候选经过一个四层的CNN 分类器进行评估，CNN 的输入为物体几何信息的多视角编码表示，即将体素化的点云信息分别投影到机器人手参考坐标系X, Y, Z 轴的正交平面上，对于每一个投影方向，均能得到观测点的平均高度图、遮挡点的平均高度图以及表面法向的平均图，经CNN 分类后，输出为此抓取候选是否为有效抓取。