6D 位姿估计与点云融合抓取
通过 6D 位姿估计与点云补全，提高杂乱场景中的机器人抓取稳定性。
由于物体表面不规则以及光照变化，单一视角采集的点云往往存在缺失和边缘误差。这些空洞会降低抓取位姿估计的稳定性。本项目构建了一套抓取流程：先估计物体的 6D 位姿，再利用该位姿补全观测点云，最后预测抓取姿态。
基于透视匹配的无模型位姿网络能够估计训练中见过的物体位姿，并为未训练物体给出较粗略的位姿。当只有稀疏点云可用时，精化网络会进一步收紧估计结果。随后，位姿用于驱动基于 ICP 的融合：模型点云补齐观测点云中的缺失区域，并滤除轮廓附近的噪声。
系统通过抓取方向网络与快速搜索策略，从补全后的点云中生成抓取位姿，并在仿真环境和六自由度机器人平台上完成测试；实验平台配备 RealSense 相机以及运行 ROS / Ubuntu 20.04 的主机。