散乱工件3D视觉无序抓取：位姿估计实验进展

在机加工与五金件的上下料环节，料筐中散乱堆叠的工件因表面反光、相互遮挡与堆叠姿态多样，一直是3D视觉落地的难点。近期实验室围绕“点云分割+位姿估计+抓取规划”的技术路线开展了阶段性实验，目标是在不改造现有夹具的前提下，实现常见金属工件的稳定抓取。主要进展如下：

• 自建含反光金属件的多视角点云数据集（约1.2万帧），采用深度学习分割与改进PPF匹配的融合策略，在遮挡率40%以内的场景中，位姿估计成功率由基线的82%提升至93%；
• 搭建机械臂抓取闭环验证平台，单次“感知—规划—抓取”周期约4.5秒，连续2小时抓取成功率91%，碰撞次数为零。

下一步计划：一是引入力觉反馈，处理双件粘连与吸取失败后的自恢复重试；二是将位姿估计模型轻量化，目标推理耗时压缩至200毫秒以内，为部署到边缘端设备做准备。本工作目前仍处于实验室验证阶段，尚未进入产线试运行。