AI散乱件抓取位姿估计：点云分割与碰撞预判

在料筐散乱堆叠场景里，抓取失败的原因往往不是"认不出零件"，而是识别出的抓取位姿与周边遮挡件、夹爪本体发生干涉。计算机视觉实验室近期把该任务拆成两步：先用 RGB-D 融合做实例分割，区分贴合、堆叠与悬空三种接触状态；再以分割掩膜约束位姿搜索空间，只在上方可达方向生成候选抓取，减少无效位姿。

进展与数据：在自建测试集（约 1200 帧、6 类金属与塑料件）上，实例分割 mIoU 为 0.86，位姿角度误差中位数 2.1°、平移误差 3.4 mm；接入在线碰撞预判后，连续 500 次实抓成功率由 82% 提升至 94%，平均节拍增加约 0.4 s。失败案例集中在反光件与深筐边缘的局部点云缺失。

下一步计划：一是引入偏振成像抑制高反光表面点云空洞；二是把抓取结果回流为负样本，用少量人工标注做增量微调，验证同一模型跨料筐、跨零件的迁移稳定性。