本文所介绍的姿态估计方法不具有泛化性，只适用于特定的场景

抓取场景介绍

本次机器人抓取的对象为堆叠场景下的小木块
在这里插入图片描述
然后通过前面所提到的点云分割算法，将深度相机拍摄到的点云图进行分割，得到待抓取物体的点云
在这里插入图片描述
然后通过OBB点云包围框将目标点云框选，提取出包围框的长边
在这里插入图片描述
通过对点云坐标求平均值可以求出目标点云的大概的中心点位置，这样的话待抓取物体的中心点坐标（x，y，z）就可以轻松得到，因为本次抓取是6DoF抓取，因此除了坐标信息，我们还需要得到待抓取物体的旋转向量信息。
在这里插入图片描述这样物体的6D姿态信息就可以得到了。

# 计算机视觉 # 深度学习 # 人工智能
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

仅用一张图生成大范围3D世界场景，并直接导入具身智能模拟器

avatar DAMO开发者矩阵

2026年京东云OpenClaw/Hermes Agent配置Token Plan部署保姆级攻略

OpenClaw并非传统的聊天机器人，而是一款本地优先、云端适配的AI自动化代理——它以大语言模型为“大脑”，以Skills插件生态为“手脚”，能理解自然语言指令，自主完成网页操作、邮件管理、文档处理、多平台协同等具象化任务，无需编写复杂的自动化脚本。零代码门槛：通过自然语言下达指令，无需掌握Python/Java等编程技能；多端适配：支持阿里云服务器、本地设备、无影云电脑等多环境部署；生态扩展：

avatar DAMO开发者矩阵
cover

【论文阅读】Guide, Think, Act: Interactive Embodied Reasoning in Vision-Language-Action Models

avatar DAMO开发者矩阵