近年来,许多抓取检测方法被提出,可以直接从传感器数据定位机器人抓取配置,而不需要估计目标的姿态。其基本思想是将抓知觉类比于计算机视觉中的目标检测。这些方法以有噪声和部分遮挡的RGBD图像或点云作为输入,生成可行的抓取的输出位姿估计值,而不需要假设已知的对象CAD模型。虽然这些方法能很好地把掌握的知识推广到新的对象上,但还没有被证明具有足够的可靠性,可以广泛应用。许多抓取检测方法实现了75%到95%的抓取成功率(抓取成功率是抓取尝试总数的一部分),对于孤立或在光杂波中出现的新对象。这些成功率对于实际的抓握应用来说太低了,而且被评估的光杂波场景通常不能反映现实世界的抓握情况。本文提出了一系列的创新,这些创新共同导致了抓握检测性能的显著提高。我们的每一项贡献所带来的具体性能改进都是通过模拟或在机器人硬件上进行定量测量的。最后,我们报告了一系列的机器人实验,这些实验平均有93%的端对端抓取成功率,适用于在密集的杂乱环境中出现的新对象。
Paper Reading——Grasp Pose Detection in Point Clouds
最新推荐文章于 2024-06-12 10:18:59 发布