基于深度相機的汽車轉向節位姿估計研究

劉學超，張波，鄭魁敬

(1.燕山大學，先進鍛壓成形技術與科學教育部重點實驗室，河北秦皇島 066004；2.燕山大學，河北省并聯機器人與機電系統實驗室，河北秦皇島 066004)

0 前言

目前消費者對產品質量要求越來越高，而高級技工數量有限，因此希望機器人能代替一部分勞動力。在人工智能推動下，機器人開始智能化，并逐漸進入生產一線代替工人工作，但其應用范圍及深度還有待挖掘和拓展。張翰博等利用視覺關系推理實現了多物體堆疊機器人抓取。韓冬等人利用解耦控制實現了腱驅動多指機械手靈巧抓取。WENG等利用機器學習和彩色攝像頭指導機器人抓取透明物體。盧道華等利用多個攝像頭采集圖像，通過PnP算法計算集裝箱姿態。MATEO等實現了剛體六自由度位姿估計。TEJANI等研究了基于霍夫森林的6D位姿估計。XIANG等提出了PoseCNN的位姿估計方法。

針對汽車轉向節自動化加工中的上下料場景，以轉向節內孔為基準點，通過視覺引導機器人實現抓取。利用2D圖像獲取轉向節位置并結合點云確定轉向節姿態。轉向節位姿檢測方案分3個部分：相機標定與點云產生、轉向節抓取點檢測和姿態檢測。

1 RGBD相機標定與點云產生

1.1 RGBD相機

Intel RealSense D435i相機如圖1所示，可以輸出彩色圖和深度圖。深度相機坐標系以左側紅外相機為基準，深度信息的獲取由左紅外相機、右紅外相機和紅外投射器聯合工作完成。左右紅外相機捕獲場景并將成像器數據發送到深度成像處理器，通過左右圖像上匹配的關聯點來計算圖像中每個像素的深度。……