六维位姿估计在汽车内部物流机器人操作中的工业应用

尽管机器人技术取得了进展，汽车行业内物流中很大比例的零件搬运任务尚未自动化，仍由人工完成。具有竞争力地自动化这些过程的一个关键组件是 6D 位姿估计，其能够处理大量不同零件、以少量人工适配新零件、并且相对于工业要求具有足够的精度与鲁棒性。在此背景下，关于这些度量的现状问题随之产生。为此我们构建了一个代表性的 6D 位姿估计流水线，采用从经济可扩展的真实到合成数据生成直至位姿估计器的最先进组件，并在面向实际排序过程的汽车零件上进行了评估。我们发现，使用这些数据生成方法，训练所得 6D 位姿估计器的性能有前景，但未满足工业要求。我们揭示其原因在于估计器无法提供可靠的位姿不确定度，而非提供足够精确位姿的能力。在此背景下我们进一步分析了基于 RGB 与 RGB-D 的方法相对于此背景的比较，并表明它们对合成数据引起的域鸿沟具有不同的脆弱性。