基于深度神经网络和使用车载3D传感器进行注册的实时桶姿势估计

科学领域:

• 机器人和自动化机器人与自动化
• 计算机视觉 计算机视觉
• 地理空间工程是什么?

背景情况:

• 桶姿势估计对于采矿挖掘机情报至关重要.
• 由于振动和连接问题,现有的非视觉传感器方法容易出现累积错误和短寿命.
• 阻塞对准确的姿势估计构成重大挑战.

研究的目的:

• 为采矿挖掘机开发一种强大而准确的水桶立场估计方法.
• 解决传统的基于传感器的方法的局限性,特别是因阻塞引起的注册错误.
• 为了实现实时和可靠的姿势估计,以增强挖掘机自动化.

主要方法:

• 优化了一个点转换器网络,用于精确的桶点云语义细分.
• 实现了点云预处理和连续记录,以提高记录准确度.
• 加速了快速代最接近点 (ICP) 算法,以实现实时性能.

主要成果:

• 对桶点云的语义细分精度大大提高.
• 减少了注册距离和加快了ICP算法,使实时姿势估计成为可能.
• 有效地解决了因闭塞引起的间歇性姿势估计问题.
• 通过对定制数据集的实验验证实准确性和有效性.

结论:

• 拟议的深度神经网络和基于注册的方法提高了子姿势估计的准确性和可靠性.
• 这种方法克服了传统传感器的局限性和采矿环境中的封闭挑战.
• 该方法通过精确的实时姿势估计,有助于智能采矿挖掘机的进步.