面向机器人抓取与放置应用的非组织点云边缘与角点检测

本文提出一种针对非组织点云的新型边缘与角点检测算法。我们的边缘检测方法通过评估查询点周围局部邻域点的分布，将查询点分类为边缘点。该技术在斯坦福三维扫描库中的龙、兔与咖啡杯等通用物体上进行了测试。所提技术可直接应用于物体随机杂乱堆叠的真实未处理点云数据。为证明所提技术的有效性，我们将其与针对非组织点云数据的其他三维边缘提取方案进行比较。我们观察到，与其他方法相比，所提方法能以较少的参数变化处理原始含噪数据。我们还将该算法扩展至在密集杂乱且存在多个实例情况下估计已知物体的 6D 位姿。整体方法在仓储应用中进行了测试，其中使用实际的 UR5 机器人操纵器以自主模式执行机器人抓取与放置操作。