基于RGB图像的机器人抓取算法汇总

最新推荐文章于 2024-03-30 15:18:31 发布
最新推荐文章于 2024-03-30 15:18:31 发布
阅读量3.5k 收藏 55
点赞数 2
分类专栏： 3D视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29462849/article/details/104505732
版权
这篇博客总结了六篇关于基于RGB图像的机器人抓取算法的论文，包括优化抓取评分、实时抓取姿态估计、生成性鲁棒推理与感知、无监督学习抓取新对象、多视图抓取以及ROI-based的抓取检测算法，涉及多种复杂环境和对象类型的抓取挑战。
摘要由CSDN通过智能技术生成

作者：Tom Hardy
Date：2020-2-23
来源：大盘点|基于RGB图像下的机器人抓取

前言

近期读取了一些最新基于RGB图像下的机器人抓取论文，在这里分享下思路。

1、Optimizing Correlated Graspability Score and Grasp Regression for Better Grasp Prediction

本文提出了一种新的深度卷积网络结构，该结构通过引入新的丢失量，利用抓取质量评价来改进抓取回归。除此之外发布了Jacquard+，它是Jacquard数据集的一个扩展，允许在一个可变装饰上放置多个对象的模拟场景中评估抓取检测模型。Jacquard+通过物理模拟创建的，允许在完全可复制的条件下进行测试。实验结果表明，所提出的抓取检测方法无论在Jacquard数据集还是Jacquard+上都明显优于现有的抓取检测方法；

网络结

最低0.47元/天 解锁文章
Tom Hardy
关注
专栏目录
机器人抓取中物体定位算法概述
dsoftware的博客
05-05 1万+
1. 引言 机器人抓取的首要任务，是确定要抓什么，也就是需要定位目标物体在输入数据中的位置。这个过程可以分为三个层次，分别为物体定位但不识别、物体检测、物体实例分割。物体定位但不识别是指获得目标物体的2D/3D范围但是不知道物体的类别；目标检测是指得到目标物体的2D/3D包围盒，同时识别目标物体的类别；目标实例分割提供目标物体所占有的像素或者点级别的区域信息，同时识别目标物体的类别。本文来自论文h...
机器人抓取检测算法基于多模态数据
02-26
基于深度学习的机器人抓取检测 采用康奈尔大学抓取数据集 We consider the problem of detecting robotic grasps in an RGB-D view of a scene containing objects. In this work, we apply a deep learning approach to solve this problem, which avoids time-consuming hand-design of features. This presents two main challenges. First, we need to evaluate a huge number of candidate grasps. In order to make detection fast and robust, we present a two-step cascaded system with two deep networks, where the top detections from the first are re-evaluated by the second. The first network has fewer features, is faster to run, and can effectively prune out unlikely candidate grasps. The second, with more features, is slower but has to run only on the top few detections. Second, we need to handle multimodal inputs effectively, for which we present a method that applies structured regularization on the weights based on multimodal group regularization. We show that our method improves performance on an RGBD robotic grasping dataset, and can be used to successfully execute grasps on two different robotic platforms.
基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计——综述
最新发布
cocapop的博客
03-30 7808
本文对基于视觉的机器人抓取进行了全面的综述。我们总结了基于视觉的机器人抓取过程中的三个关键任务，即物体定位、物体姿态估计和抓取估计。详细地说，对象定位任务包括无分类的对象定位、对象检测和对象实例分割。此任务提供输入数据中目标对象的区域。物体姿态估计任务主要是对6D物体姿态进行估计，包括基于对应关系的方法、基于模板的方法和基于投票的方法，为已知物体提供抓取姿态的生成。抓握估计任务包括2D平面抓握方法和6DoF抓握方法，其中前者被约束为从一个方向抓握。这三种任务可以实现不同组合的机器人抓取。
【机器人识别抓取】基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计
limingmin2020的博客
09-19 3076
找到理想抓取配置的抓取假设的子集包括：机器人将执行的任务类型、目标物体的特征、关于物体的先验知识类型、机械爪类型，以及最后的抓取合成。
RGB图像计算示例
10-10
本程序主要用两种方法对前后输入两幅RGB图像计算处理，分别计算了其均方差MSE和峰值信噪比PSNR；方法1:如果读入图像为彩色图象, 首先进行灰度化处理,依照灰度图象计算 方法2:对RGB图像均方差是所有方差之和除以图像尺寸再除以3
机器人识别抓取笔记（基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计：综述）
m0_52785249的博客
11-23 7028
Real-Time Deep Learning Approach to Visual Servo Control and Grasp Detection for Autonomous Robotic Manipulation （基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计：综述） 1 引言 找到理想抓取配置的抓取假设的子集包括：机器人将执行的任务类型、目标物体的特征、关于物体的先验知识类型、机械爪类型，以及最后的抓取合成。 1.1 抓取综合方法 抓取综合方法是机器人抓取问题的核
基于视觉的机器人目标抓取研究.pdf
08-13
文章提出了基于视觉反馈机制的机器人控制方法，结合机械臂系统可同时检测对象颜色和形状属性，提出基于RGB颜色空间和surf算法结合的目标对象特征提取方法。 机器人目标抓取是机器人技术的重要方向之一，它的应用...
机器人抓取中物体3D定位算法介绍
dsoftware的博客
07-23 5150
引言 常见的目标检测方法能够获得物体的2D包围盒（Bounding Box），然而这对于机器人抓取任务是不够的。机器人抓取需要知道物体的准确朝向，进而确定抓取点。针对纹理丰富的物体，可以使用SIFT等特征点与模板图像匹配进行定位；对于弱纹理或无纹理物体，可以使用稳定的梯度或者深度图法向进行匹配，进而恢复位姿；一些基于parts进行投票的方法也取得了很好的效果；然而，这些方法对于光照和杂乱场景效果很...
人工智能机器人爬取照片的实现
wangdong的博客
03-01 807
俗话说“工欲善其事，必先利其器”，自己做的这款小项目的实现，搭载的平台 VS2013 ,要想做出一款只需要用户输入一个url,俗称网址，就能从互联网上得到该网址所需要的照片，并且保存到用户指定的文件夹中。所需要的步骤如下： 1.用户输入网址. 我们并不是分析这一个网址，而是通过这个网址得到相关网址的照片，所以我们需要声明一个队列，来存储解析该网页得到的html页面的所有url. 2.分...
机器人抓取基础
cocapop的博客
12-05 611
视觉伺服控制：视觉伺服，一般指的是，通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，通过图像反馈的信息，来让机器系统对机器做进一步控制或相应的。找到理想抓取配置的抓取假设的子集包括：机器人将执行的任务类型、目标物体的特征、关于物体的先验知识类型、机械爪类型，以及最后的抓取合成。视觉伺服的目的：通过将相机连续获得的图像与参考图像进行比较，引导操纵器到达机器人能够完全看到物体的位置，从而满足抓取检测条件。基于视觉的机器人抓取——从物体定位、物体姿态估计到平行抓取器抓取估计：综述。
机器人抓取系列——DBSCAN
toCVer的博客
06-24 247
DBSCAN
彩色图像灰度化和RGB各分量计算法
qingfengxd1的博客
04-29 1863
1.块效应 块效应通常是由于低比特率编码造成的，体现在图像的平坦区域和运动物体的边缘。对于基于块结构的图像，块边界出现的位置存在周期性，即每个块边界相隔个像素。利用这种周期性，计算的块效应算法如下[12]。 首先定义，利用块效应的周期性得到： 其中，和分别代表图像的高和宽。表示平坦区限制权值，表示块边界限制权值，表示非真实边缘限制权值，它们的计算公式如下： ，和分别取值4，4和50。基于向量的块效应检测公式如下： ...
机器人抓取与操作简介
qq_18076309的博客
09-09 4447
文章目录1. 机器人抓取与操作简介1.1 抓取问题描述1.2 抓取检测方法学1.2.1 分析法1.2.2 数据驱动（经验）法1.2.3 分析法 vs. 数据驱动法1.3 数据驱动法的分类1.3.1 抓取已知的对象1.3.2 抓取相似的对象1.3.3 抓取未知的对象1.4 抓取Pipeline2. 移动抓取系统组成3. 技术点1: 机械臂与标定（相机配置方案）3.1 Eye-in-hand3.2 Eye-to-hand4. 技术点2: 物体识别与姿态估计5. 技术点3: 抓取检测5.1 具有已知定位和姿势5.
近年来机器人主流抓取估计方法总结
热门推荐
dsoftware的博客
09-23 1万+
根据抓取的表示，应用场合等可以将机器人抓取分为2D平面抓取和6-DoF空间抓取，各自又包含很多方法，下面一一介绍。 1 2D 平面抓取： 适合工业抓取，场景是机械臂竖直向下，从单个角度去抓，抓取通常由平面内的抓取四边形，以及平面内的旋转角度表示（Oriented 2D rectangle）： 根据使用的数据RGB/Depth不同，又可以分为以下三类：基于RGB，基于RGB+Depth，和基于De...
你想知道的深度优先与广度优先算法（搜索引擎抓取）
充满好奇的threecat
11-20 1114
前言：    *搜索引擎主要的抓取策略就有深度优先搜索与广度优先搜索。这里我们来介绍数据结构图论的这部分知识。 * 一、深度优先搜索    （Depth First Search,DFS）遍历类似于树的先序遍历，是树的先序遍历的推广。对于一个连通图，深度优先搜索遍历的过程如下。 （1）从图中某个定点v除法，访问v。 （2）找出刚访问过的定...
机器人抓取检测——Dex-Net
cocapop的博客
05-06 1647
简单说一下Dex-Net系列算法。Dex-Net共包括1.0--4.0四个版本，1.0为传统的解析法。2.0基于深度学习对平行板抓取配置进行质量评估，3.0针对吸盘进行设计，4.0结合了2.0和3.0两个算法。如何利用少量数据集学习一个端到端网络或者整个方法中的一个子网络，实现堆叠场景中的平面抓取检测亟待解决。算法输入为深度图，输出为平面抓取表示，即坐标点和抓取角，然后张开平行板抓取器至最大并垂直抓取。算法主要包括两部分：采样抓取候选，抓取质量评估。
物体抓取位姿估計算法綜述_NO. 1 物体位姿估计 & 机器人抓取
weixin_42500963的博客
01-14 857
开源算法【MIT & Princeton 做的物体抓取算法】基本思想：基于深度学习物体语义分割 -> 基于事先建好的模型进行ICP匹配获得位姿特色：利用自监督学习减少数据的依赖性【TECHNISCHE UNIVERSITAT DRESDEN】【ScanNet: Richly-annotated 3D Reconstructions of Indoor Scenes】【RSS 2018...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值