← 返回论文列表

Pickalo：利用6D姿态估计实现低成本工业箱体拣选
Pickalo: Leveraging 6D Pose Estimation for Low-Cost Industrial Bin Picking

作者: Alessandro Tarsi, Matteo Mastrogiuseppe, Saverio Taliani 等5人
arXiv: 2604.04690v1
分类: cs.RO, cs.AI
📝 论文摘要
在真实的工业环境中，由于严重的杂乱堆放、遮挡现象以及传统三维传感设备的高昂成本，料箱拣选任务依然面临挑战。我们提出了Pickalo——一个完全基于低成本硬件构建的模块化六维位姿料箱拣选系统。该系统通过腕载RGB-D相机从多视角主动探索场景，同时利用BridgeDepth算法处理原始立体视觉流，获得适用于精确碰撞推理的优化深度图。物体实例分割采用基于纯照片级合成数据训练的Mask-RCNN模型，并借助零样本SAM-6D位姿估计器进行定位。位姿缓冲模块通过时序融合多视角观测数据，有效处理物体对称性问题并显著降低位姿噪声。离线阶段，我们为每个物体生成并筛选大量对握式抓取候选方案；在线阶段则通过基于效用的排序算法和快速碰撞检测进行抓取规划。在配备平行夹爪的UR5e机械臂与Intel RealSense D435i相机的实验平台上，Pickalo在密集堆放的欧标料箱中实现每小时最高600次的平均抓取效率，抓取成功率高达96-99%，并能保持30分钟连续运行的鲁棒性能。消融实验证明了增强深度估计与位姿缓冲模块在真实工业条件下对系统长期稳定性和吞吐量的提升作用。演示视频详见：https://mesh-iit.github.io/project-jl2-camozzi/

📊 核心分析

🎯 研究动机
该论文旨在解决工业环境中 料箱拣选(bin picking) 面临的挑战： - 工业现场存在严重杂乱、遮挡问题 - 传统 3D 感知(3D sensing) 方案成本高昂 - 需要低成本、高可靠性的自动化拣选方案
🔧 核心方法
论文提出了名为 Pickalo 的模块化 6D 姿态估计(6D pose estimation) 拣选流水线： - 使用腕戴式 RGB-D 相机进行多视角主动探索 - 采用 BridgeDepth 处理原始立体流，获取适用于精确碰撞推理的精细化深度图 - 使用纯合成数据训练的 Mask-RCNN 进行实例分割，结合零样本 SAM-6D 姿态估计器进行物体定位 - 通过 姿态缓冲(pose buffer) 模块融合多视角观测，处理物体对称性并降低姿态噪声 - 离线生成大量对握抓取候选，在线基于效用排序和快速碰撞检查进行抓取规划
💡 核心创新
论文的核心创新点在于： - 首次构建了完全基于低成本硬件的完整 6D 姿态估计 拣选系统，实现了工业级性能 - 提出了 姿态缓冲(pose buffer) 模块，通过时间融合多视角观测显著提升姿态估计的稳定性和精度 - 实现了 合成数据训练(synthetic data training) 与 零样本姿态估计(zero-shot pose estimation) 的有效结合，降低了对真实标注数据的依赖 - 在低成本硬件（UR5e机械臂、Intel RealSense D435i相机）上实现了接近高端系统的拣选效率（600次/小时）和成功率（96-99%）
🏆 总体贡献
论文对该领域的整体贡献包括： - 证明了低成本硬件结合先进算法能够实现工业级料箱拣选性能，为中小企业提供了可行的自动化方案 - 提供了完整的开源系统框架，包含深度增强、姿态估计、抓取规划等模块化设计 - 通过详实的消融实验验证了增强深度估计和姿态缓冲模块在长期稳定性和吞吐量方面的关键作用 - 在真实工业场景（密集填充的欧标箱）中进行了超过30分钟的持续运行测试，展示了系统的鲁棒性