基于大核注意力改进的工业管件位姿估计

蒋珺阳; 吴晶华; 赵娜娜

doi:10.19843/j.cnki.CN42-1779/TQ.202310018

武汉工程大学学报 ›› 2024, Vol. 46 ›› Issue (3) : 304 -309+316. DOI: 10.19843/j.cnki.CN42-1779/TQ.202310018

基于大核注意力改进的工业管件位姿估计

蒋珺阳, 吴晶华, 赵娜娜

作者信息 +

Author information +

文章历史 +

摘要

在物体六自由度位姿估计任务中，现有算法在真实场景下对具有弱纹理性且摆放存在遮挡的工件难以实现准确的识别。为提高工件识别精度，提出一种基于深度学习改进的位姿估计算法。该算法采用编码器-解码器架构，引入大核注意力组成视觉注意力网络，聚焦不确定性关键点，增强特征提取能力。根据关键点对应构建密集点对关系，求解出候选位姿。实验结果表明，该算法在公共数据集和自建工业管件数据集上识别准确率分别达到了57.4%和62.1%。与高密度表面编码（Surfemb）算法相比准确率分别提升了5.5%和1.9%。这验证了该算法在遮挡场景下有更高的精准度和鲁棒性。