随着产业技术的发展,“机器换人”等产业升级对机器人的智能化水平有了更高的要求,其中机器人的视觉感知技术作为智能机器人核心模块之一发挥着至关重要的作用。其中,物体六自由度位姿估计是机器人视觉感知技术中的一大关键问题,目标是给机器人提供抓取目标物体的信息。这里获取的六自由度位姿是物体坐标系与视觉传感器(相机)坐标系的变换,由三自由度平移变换与三自由度旋转变换组成。能够应对复杂背景与环境的物体六自由度位姿估计技术是智能机器人抓取物体的基础,无论是对于工业机器人还是服务机器人都具有重要的意义。另外,2000年以来一些局部特征描述子的提出,使得具有颜色纹理信息的物体位姿估计难度大大下降,但在实际场景中往往很多物体缺少或没有纹理信息,即为弱纹理物体。对于这些弱纹理物体,传统上基于纹理局部特征描述子匹配的方法则无法适用,因此复杂环境下弱纹理物体六自由度位姿估计也成为了近几年的研究热点。本文主要面向机器人抓取任务进行弱纹理物体六自由度(6-DoF)位姿估计方法的研究,主要包含了以下几个方面:1)为了满足物体6-DoF位姿估计方法对目标物体的特征训练要求,本文实现了一种基于模型渲染的物体数据集自动生成系统。该系统能够直接导入目标物体三维模型,并基于球面带点粒子稳态分布的电磁学物理模型实现了虚拟环境均匀多视角点生成,根据预先配置的参数建立包含RGB-D图像,RGB图像以及边界图像在内的多种类图像数据集,用于位姿估计方法的目标物体特征训练。2)对于弱纹理物体中的朗伯表面物体,消费级RGB-D传感器能够获取其较完整的深度数据,本文采用RGB-D图像实现了两种6-DoF位姿估计方法,分别是基于模板匹配的整体图像块方法和结合整体与局部图像块方法,并采用公开数据集进行精度测试。其中,本文的第一种方法主要提出了尺度标准化模板,哈希投票和粒子群优化等关键技术;而第二种方法则主要结合了整体图像块遮挡数据训练和卷积自编码器特征回归等关键技术。实验结果证明我们提出的方法相比其他现有方法具有较高的精度,能够同时适用于背景杂乱,前景遮挡和多实例目标物体场景。其中,结合整体与局部图像块方法需要预先获取目标物体的带纹理三维重建模型,而基于模板匹配的整体图像块方法只需要目标物体的无纹理CAD模型。3)对于弱纹理物体中的非朗伯表面物体,消费级RGB-D传感器无法获取其较完整的深度数据,本文采用RGB图像实现了一种基于边界的6-DoF位姿估计方法,结合了高光去除,边界图像物体检测以及边界张量图生成等关键技术,并采用公开数据集进行精度测试。实验结果证明我们提出的方法在不使用深度数据进行位姿校正的情况下相比其他现有方法具有较高的精度,能够同时适用于背景杂乱,前景遮挡和多实例目标物体场景。其中,该方法在6-DoF位姿估计的特征训练过程中只需要目标物体的无纹理CAD模型,与目前其他需要三维重建模型的现有方法相比更加具有实用性。4)本课题分别搭建了基于RGB-D传感器的机器人抓取系统和基于RGB传感器的机器人抓取系统,并分别对基于RGB-D图像的6-DoF位姿估计方法和基于RGB图像的6-DoF位姿估计方法进行机器人抓取实验,测试抓取成功率,实验结果验证了我们提出的方法在机器人抓取方面具有一定的有效性和实用性。从公开数据集测试和机器人抓取测试结果来看,本文提出的方法不仅在弱纹理物体6-DoF位姿估计精度方面优于其他现有方法,且在机器人抓取方面具有一定的实用价值。