【技术实现步骤摘要】
本专利技术涉及计算机视觉，具体涉及一种自适应堆叠工件点云数据合成与实例分割方法及装置。
技术介绍
1、随着现代制造业的快速发展，自动化和智能化水平的不断提升，对工件的精确识别和处理提出了更高的要求。特别是在工业生产中，工件的堆叠放置是一种常见的存储方式，但这也给自动化分拣和处理带来了挑战，现有的工件实例分割方法在处理工件堆叠、弱纹理等情况时，难以提取工件的关键有效特征，导致分割精度低下。
2、点云数据作为一种描述物体表面形状的三维数据形式，为堆叠工件的实例分割提供更多目标物体的位姿、深度等信息，已经成为机器视觉的主流数据之一。然而，现有技术在采集和处理点云数据时，一方面受限于三维扫描仪的精度和拍摄角度，导致点云数据缺失和边缘细节模糊变形。另一方面，基于深度学习的点云实例分割方法需要大量的训练数据，而点云数据的获取和标注需要耗费大量的人力，导致基于深度学习的工件实例分割方法难以适应于不同的工件堆叠场景。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种自适应堆叠工件点云数...
【技术保护点】
1.一种自适应堆叠工件点云数据合成与实例分割方法，其特征在于，包括：
2.根据权利要求1所述的自适应堆叠工件点云数据合成与实例分割方法，其特征在于，所述S2，具体包括：
3.根据权利要求2所述的自适应堆叠工件点云数据合成与实例分割方法，其特征在于，所述协方差矩阵用于表征点pi处局部平面的方向，若ni为pi处正确的法向量，则接近于零向量，则以此为依据构建优化模型在优化模型公式取得最小值时可获得初始化后的法向量ni和决定pi移动距离的距离参数∈i。
4.根据权利要求1所述的自适应堆叠工件点云数据合成与实例分割方法，其特征在于，所述S3，
<...【技术特征摘要】
1.一种自适应堆叠工件点云数据合成与实例分割方法，其特征在于，包括：
2.根据权利要求1所述的自适应堆叠工件点云数据合成与实例分割方法，其特征在于，所述s2，具体包括：
3.根据权利要求2所述的自适应堆叠工件点云数据合成与实例分割方法，其特征在于，所述协方差矩阵用于表征点pi处局部平面的方向，若ni为pi处正确的法向量，则接近于零向量，则以此为依据构建优化模型在优化模型公式取得最小值时可获得初始化后的法向量ni和决定pi移动距离的距离参数∈i。
4.根据权利要求1所述的自适应堆...
【专利技术属性】
技术研发人员：张建寰，邱椿，康品春，张陈涛，徐周毅，阮育娇，
申请(专利权)人：厦门大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。