摘要
3C是计算机（Computer）、通信（Communication）、消费电子（ConsumerElectronics）产品的统称。目前3C制造业中的装配环节仍然大量使用人工，而利用工业机器人实现3C产品的自动化装配能有效减轻企业用工成本、提高产品质量。3C部件的高精度位姿估计是利用机器人实现3C装配的前提。由于3C部件常常为少特征、高对称的平面结构，采用传统基于3D视觉的位姿估计算法，会出现歧义位姿、算法陷入局部最优解及效率低等问题。因此，本文针对上述问题提出了一套面向3C装配的快速高精度位姿估计算法。 整个位姿估计算法分为全局位姿估计（初始位姿估计）和局部位姿估计（精确位姿估计）阶段。其中，全局位姿估计阶段主要为后续的精确位姿估计提供初始位姿，并解决由3C部件少特征、高对称、平面结构等原因造成的歧义位姿问题。局部位姿估计阶段在初始位姿的基础上，利用改进的迭代最近点算法快速地获取更高精度的3C部件位姿。对于3C部件点云初始配准的奇异位姿问题，本文采用了基于主成分分析（PrincipalComponentAnalysis,PCA)和模板匹配相结合的全局位姿估计方法：PCA可以快速求取带有歧义位姿的多组初始位姿；再通过二维图像形状匹配算法消除歧义位姿。对于采用迭代最近点（Iterationclosestpoint,ICP）算法对3C部件点云进行配准时出现的局部最优问题，本文提出了初始位姿校正算法和沿物体到视点方向施加平移偏置的局部最优问题解决方案。最后，为了满足3C装配对位姿估计算法的效率要求，本文探究了ICP效率及精度与参与配准的点云数量、ICP距离目标函数和优化算法的关系；最终提出了点云降采样、距离权重点到面ICP和点到面ICP结合的效率优化方案。 通过仿真和实验，验证了整个3C部件位姿估计算法的可靠性和有效性。整个位姿估计算法，能够实现100%消除歧义位姿，解决点云配准的局部最优问题；对具有平面结构的3C部件，其平移误差和角度误差约在0.20mm/0.24°左右，计算用时小于1s；满足3C装配领域位姿估计的需求。
NETL