基于视觉的机械臂抓取学习
文章平均质量分 68
基于视觉的机械臂抓取学习
ljc_coder
这个作者很懒,什么都没留下…
展开
-
PID控制
P:比例I:积分D:微分p的作用:使输入信号尽快接近期望值,P 越大拟合的越快,但P过大可能出现超调,导致波动过大I的作用:减少超调,但可能会造成稳态误差(在误差状态下出现稳态)D的作用:减少稳态误差...原创 2021-09-23 21:04:21 · 141 阅读 · 0 评论 -
机器人抓取(多目标检测)学习笔记一
参考论文:Real-world Multi-object, Multi-graspDeep Grasp: Detection and Localization of Grasps with Deep Neural Networks将整个抓取过程分解为检测物体位置和更精细的抓取方向分类过程()原创 2021-09-15 15:38:01 · 1752 阅读 · 0 评论 -
机械臂抓取学习笔记三
论文:Real-Time Deep Learning Approach to Visual Servo Control and Grasp Detectionfor Autonomous Robotic Manipulation摘要:为了探索有 监督的深度学习 在非结构化和动态环境中 用于机器人抓取的预测,这项工作涉及任务中的视觉感知阶段。该阶段涉及视觉数据的处理,以获取要 ①抓取的对象的位置、②其姿势、③机器人的夹持器必须接触的点, 以确保稳定抓取。换句话说,拥有机器人工作空间的图像(包含特定对象原创 2021-09-22 13:18:46 · 4375 阅读 · 0 评论 -
机械臂抓取学习笔记二
论文:Antipodal Robotic Grasping using Generative Residual Convolutional Neural Network摘要:本文提出了一个模块化的机器人系统,用于预测、规划和执行场景中物体的反足抓取。提出了一种生成剩余卷积神经网络(GR ConvNet),该网络为n通道输入图像中的每个像素生成反模式抓取,该结构用于预测摄像机视场中物体的合适反足抓取配置。“Deep learning for detecting robotic grasps,”“原创 2021-09-17 16:24:54 · 4643 阅读 · 0 评论 -
论文摘要步骤
第一句先概述要写的这个方向是干什么的我们证明了什么(论点)围绕这个论点,我们采用了什么方法去实现(核心思想,作用)为了实现这个方法,做了哪些贡献(创新点)网络在各个数据集上得到了什么样的结果...原创 2022-05-29 22:17:39 · 100 阅读 · 0 评论 -
基于视觉的机器人抓取-综述
文章总结了基于视觉的机器人抓取过程中的三个关键任务:目标定位、目标姿态估计和抓取估计。原创 2022-06-29 17:28:02 · 2774 阅读 · 0 评论 -
机械臂抓取学习笔记*(用于机器人抓取检测和RGB语义分割的端到端可训练深度神经网络)
机械臂抓取学习笔记摘要原文: End-to-end Trainable Deep Neural Network for Robotic Grasp Detection and Semantic Segmentation from RGB原文名称写在前面摘要相关工作机器人抓取检测语义分割方法Backbone抓取检测语义分割融合head总结原创 2022-05-26 18:20:21 · 1584 阅读 · 4 评论 -
机械臂识别抓取笔记(深抓取:用深神经网络检测和定位抓取)
Antipodal Robotic Grasping using Generative Residual Convolutional Neural Network(基于生成残差卷积神经网络的机器人逆抓取)文章概况:提出了一个模块化的机器人系统,用于预测、规划和执行场景中物体的反足抓取。提出了一种生成剩余卷积神经网络(GR - ConvNet),该网络为n通道输入图像中的每个像素生成反模式抓取。其他机器人抓取,抓取框被预测为通过从多个抓取概率中选择最佳抓取来计算的抓取矩形,本文的网络生成三幅图像,原创 2021-11-18 11:45:22 · 5679 阅读 · 0 评论 -
机械臂识别抓取笔记(真实世界多目标、多抓取检测)
Real-world Multi-object, Multi-grasp Detection(真实世界多目标、多抓取检测)感悟:抓取预测分为: 检测位置和方向分类(方向和)两个方面;方法核心: 通过利用神经网络进行边界框(bounding box)回归的能力,避免了耗时的滑动窗口方法,从而直接预测完整图像上的候选区域。网络结构:上图是多目标多抓取预测器的完整结构。该网络接受RGB-D输入,并为视图中的每个对象预测具有方向和矩形边框的多个抓取候选对象。蓝色块表示网络层,灰色块表示图像特征图。绿原创 2021-11-12 13:56:00 · 2034 阅读 · 0 评论 -
机械臂视觉抓取总结
基于视觉的机械臂抓取的三个关键任务:目标定位、目标姿态估计和抓取估计目标定位:无分类的目标定位、目标检测和目标实例分割。此任务在输入数据中提供目标对象的区域。目标姿态估计:对6D目标姿态进行估计,包括基于对应的方法、基于模板的方法和基于投票的方法,为已知目标生成抓取姿态。抓取估计:包括二维平面抓取方法和6自由度抓取方法,其中前者被约束为从一个方向抓取。一般抓取方式真实抓取可以通过以上三个任务可以经过不同的组合完成机器人抓取。许多目标姿态估计方法不需要进行目标定位,而是将原创 2021-11-26 22:11:16 · 4679 阅读 · 0 评论 -
机械臂识别抓取笔记(基于高斯抓取表示的轻量级卷积神经网络用于机器人抓取检测)
Lightweight Convolutional Neural Network with Gaussian-based Grasping Representation for Robotic Grasping Detection(基于高斯抓取表示的轻量级卷积神经网络用于机器人抓取检测)1 文章概况:文章利用2-D Guassian核对训练样本进行编码,以强调中心点位置具有最高的抓取置信度得分。在基于Guassian的抓取表示的基础上,开发了一种轻量级的机器人抓取姿态估计生成体系结构。参考人类视原创 2021-11-19 22:19:13 · 4151 阅读 · 4 评论 -
手眼标定详述(坐标系介绍,二维、三维的手眼标定方法@九点法、AX=XB)
写在前面手眼标定基本分类手眼标定坐标系眼在手外(EYE TO HEAD)眼在手上(EYE IN HEAD)九点法(二维)- 算法实现流程AX=XB方法(二维或三维)- 推导坐标系转换&运算规则齐次坐标系实际坐标系转换公式推导眼在手外眼在手上求解AX=XB方法(二维或三维)- 算法实现流程(总结)源码相关博文......原创 2022-08-04 22:36:03 · 11142 阅读 · 7 评论 -
相机标定 >> 坐标系转换@内参、外参
1. 坐标系介绍1.1 像素坐标系1.2 图像坐标系1.3 相机坐标系1.4 世界坐标系2. 相机标定2.1 内参2.1.1 内参的意义(透视映射)2.1.2 内参的组成2.2 外参2.2.1 外参的意义(刚体变换)2.2.2 外参的组成3. 标定方法4. 总结...原创 2022-08-04 22:35:23 · 4418 阅读 · 0 评论