融合自适应滤波与鲁棒配准的位姿估计方法

摘要

针对智能物流分拣过程中三维点云受噪声、遮挡及包裹堆叠影响，导致位姿估计精度下降的问题，文中提出一种融合自适应滤波与鲁棒配准的位姿估计方法。首先，利用曲率、法向量和深度信息构建多特征融合的自适应滤波算法，根据点云局部几何变化调整滤波策略，提高噪声环境下的点云质量。其次，结合Majorization-Minimization（MM）优化框架与Welsch鲁棒函数，提出改进ICP配准算法（MM-ICP），降低离群点和错误匹配对配准结果的影响。实验结果表明，所提方法能够有效提升点云滤波效果，并在复杂堆叠场景下保持稳定配准性能。基于Intel RealSense D415深度相机搭建分拣实验平台，系统综合分拣成功率达到91.7%，配准精度较传统方案提升约66.7%，平均处理时间为3.1s。结果验证了该方法在物流自动化分拣任务中的有效性。