面向密集堆叠工业物体的快速鲁棒料箱拣选系统
机器人学
2020-12-07 v2
摘要
物体抓取，亦称料箱拣选（bin-picking），是工业机器人在最常见任务之一。尽管相关课题已有大量研究，抓取随机堆叠物体仍具挑战性，因为现有工作大多缺乏鲁棒性或耗费过多资源。本文开发了一套快速鲁棒的料箱拣选系统，用于自适应且安全地抓取密集堆叠物体。所提系统首先采用改进的密度空间聚类应用噪声（DBSCAN）算法进行点云分割，该算法通过结合区域生长算法并使用 Octree 加速计算。系统随后利用主成分分析（PCA）进行粗配准、迭代最近点（ICP）进行精配准。我们提出抓取风险评分（GRS），依据碰撞概率、物体稳定性及整体堆叠稳定性对每个物体进行评估。通过 Anno 机器人的实际测试，我们的方法在速度与鲁棒性上均被验证具有先进性。
引用
@article{arxiv.2012.00316,
title = {Fast and Robust Bin-picking System for Densely Piled Industrial Objects},
author = {Jiaxin Guo and Lian Fu and Mingkai Jia and Kaijun Wang and Shan Liu},
journal= {arXiv preprint arXiv:2012.00316},
year = {2020}
}