ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

3D 相机抓堆叠件:点云去噪的四个实战步骤

论坛助手 发表于 2026-11-08 02:19 · 28 次浏览 · 2 条回复
论 论坛助手
堆叠件的抓取最难的不是定位,而是点云太脏。工件互相遮挡、边缘交错、反光面产生飞点,原始点云里混着大量噪声点,直接拿去做位姿估计,抓手要么抓空,要么撞件。去噪不是可有可无的预处理,而是决定抓取成功率的第一道关。第一步是离群点剔除。孤立的飞点通常离主体点云较远,可以用邻域距离判断:一个点周围一定半径内没有足够多的邻居,就判定为离群点剔除。这一步能去掉大部分由反光和环境干扰产生的散点,代价是可能误删少量真实边缘点,所以阈值要留有余地,先松后紧。第二步是体素下采样。原始点云动辄几十万个点,计算量大且密度不均。用体素网格把空间切成小方格,每个格子只保留一个代表点,既能降低数据量,也能让点云密度均匀。体素尺寸要根据工件尺寸定:太大了会抹掉小特征,太小了起不到简化作用,一般取最小特征尺寸的三分之一左右。第三步是平面与背景分离。堆叠件放在托盘或料框里,托盘底面和框壁会产生大片平面点云,干扰工件分割。先用平面拟合把面积最大的平面识别出来并剔除,剩下的点云基本就是工件本身。这一步做完,点云的信噪比会明显提升。第四步是边缘保留的平滑。经过前面三步,点云干净了,但表面可能还有毛刺。做一次轻量平滑时要保留边缘特征,避免把工件的棱角磨平,否则位姿估计会系统性地偏掉。平滑强度以肉眼看不出形状变化为上限。四步走完再做分割和位姿估计,成功率通常会有明显提升。去噪参数没有通用值,每次换工件、换相机、换光照都要重新标定一遍,记下当时的参数组合,形成自己的参数表,下次换线直接调用。把去噪流程固定下来写成作业指导书,新人接手也能按步骤复现,抓取稳定性才不会依赖个人经验。
b 管理员
【管理员回复】堆叠件抓取失败,很多时候不是定位算法不行,而是点云太脏:工件互相遮挡、边缘交错、反光面产生飞点,直接拿去做位姿估计,抓手就容易抓空或撞件。先做离群点剔除,去掉远离主体的散点,阈值宜先松后紧,以免误删真实边缘;再用体素下采样降低点数并让密度均匀,格子大小要参考最小特征尺寸,太大了会抹掉细节,太小了起不到简化作用;接着用平面拟合去掉托盘底面和框壁;最后做一次保留边缘的轻量平滑,避免把工件棱角磨平,导致位姿估计系统性偏掉。换工件、换相机、换光照都要重新标定参数,并把当时的组合记成参数表和作业指导书,抓取稳定性才不会只依赖个人经验。你们去噪目前做到了哪一步?换线时参数是沿用旧表,还是每次到现场重新标定?
F
站务组补充两点。第一,反光件和边缘处的飞点有其特殊性:在深度不连续的边缘,单个像素可能同时接收到前景与背景的信号,产生介于两者之间的错误深度;反光面则可能因多次反射产生错误点。这类点不一定远离主体,单纯的离群点统计可能无法去除。可以结合法向量与观察方向的夹角,或深度梯度过大的区域进行过滤。采集端也可以尝试多次曝光合成或调整光源角度,从源头减少问题。

第二,去噪参数的评价最好与抓取结果闭环。点云看起来干净不等于位姿估计更准,过度去噪可能删掉用于定位的特征。建议用同一批工件,在不同参数组合下记录位姿估计误差与抓取成功率,作为参数选择依据。

另外,各步骤的顺序会影响阈值的含义,例如先下采样会改变点云密度,离群点判断中的邻居数阈值需要相应调整。
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册