基于深度学习的弱纹理无序堆叠零件的位姿求解方法

本发明涉及基于深度学习的弱纹理无序堆叠零件的位姿求解方法。首先通过计算机技术自动生成用以网络训练的标注数据，大大减少了人工标注的成本消耗。其次，在网络设计方面加入了注意力矩阵的计算，提升了点云实例分割的效果，增加的特征点预测模块对单个零件实例点云进行预测，求解出预定义的特征点位置，然后通过点云配准使网络拥有了求解零件位姿的能力。与传统点云配准方法相比，所提特征点配准的方法大大减少了时间的损耗，同时避免了因为传感器采样距离不同而导致算法性能不佳的缺点。最后在推理阶段通过霍夫投票的方法求解出特征点的准确位置，优化了实例分割引入的误差，进一步提高了弱纹理无序堆叠零件位姿预测的准确性。