最近，哈尔滨理工学院的教授刘海（Liu Xianming）的团队在体现智能领域取得了重要的发展，并提出了一种基于隐式神经网络的6D位置的方法，从而显着提高了对象的准确性和效率。相关结果已发表在“ IEEE机器人交易”中。 6D姿势估计（包括3D翻译和3D翻译）是机器人控制，扩大现实和其他应用的主要技术。传统方法依靠迭代最接近的点算法进行姿势优化，但是最近的迭代点需要明确建立点云和3D模型之间的一对一字母，这很容易属于局部优化，噪声以及闭塞敏感性。为了解决这个问题，研究团队提出了基于神经网络隐含的优化图。通过将目标对象的3D模型放在符号，点云与模型表面之间的距离直接优化，而无需明确匹配相应的点。该方法具有许多优势：首先，它很棒，离线培训仅需4-5分钟，并且在线优化实时完成；其次，它是稳定性，在复杂的情况下表现良好，例如较大的初始姿势偏差，噪声，尺度和遮挡变化；第三，它是通用的，它可以与现有姿势估计过程无缝集成，而无需进一步的数据标记。该技术可以广泛用于工业机器人的准确性，在驾驶环境中自动驾驶，AR/VR触点等领域。相关论文信息：https：//ieeexplore.ieee.org/document/10970084