![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器人-抓取检测
文章平均质量分 52
机器人-抓取检测
千羽QY
这个作者很懒,什么都没留下…
展开
-
新算法的机器人抓取效果演示
核心为通过仿真系统构建像素级抓取标签,并通过全卷积网络进行像素级预测。演示视频:https://www.bilibili.com/video/BV1oq4y1R7eu?spm_id_from=333.999.0.0原创 2021-10-08 23:33:53 · 369 阅读 · 0 评论 -
使用TensorRT部署抓取检测网络(一)
1. TensorRT简介tensorRT是可以在NVIDIA的各种GP U下运行的一个C++推理框架。我们使用Pytorch、TF训练好的模型,可以转化为TensorRT的格式,然后用TensorRT推理引擎去运行这个模型,从而提高模型在英伟达GPU上的运行速度,一般可提高几倍~几十倍。主流的pytorch部署路径:pytorch →\rightarrow→ ONNX →\rightarrow→ TensorRTtorch2trttorch2trt_dynamicTRTorch2. 抓取原创 2021-07-01 14:38:59 · 2433 阅读 · 4 评论 -
机器人抓取实验演示视频
视频是要和论文一块上传的,但是论文还没改完,就先分享个半成品。感兴趣的同学可以在B站看到我发布的其他视频:https://space.bilibili.com/277031414 机器人抓取实验demo ...原创 2021-04-23 11:24:22 · 404 阅读 · 8 评论 -
基于学习的平面抓取检测方法分类及讨论
平面抓取检测的任务是,输入感知数据,输出抓取配置。到目前,基于学习的平面抓取检测方法主要分为两类:(1)一阶段的端到端学习方法。(2)两阶段的学习方法。1、一阶段学习法在这类方法中,直接学习从输入数据到抓取配置的映射函数,即神经网络。输入通常为RGB图像或深度图像,输出为抓取配置的集合,然后根据置信度选取最优的抓取配置。目前以基于矩形框抓取表示的方法为主,如(1)Fully Convolutional Grasp Detection Network with Oriented Ancho原创 2020-12-14 17:37:15 · 1704 阅读 · 6 评论 -
抓取检测之Dex-Net 2.0
前言如今,在各种期刊顶会都能看到平面抓取检测的论文,他们声称能应对多物体堆叠场景,然而实际效果都不尽人意,我认为主要原因有如下几点:(1)缺乏多物体堆叠场景的抓取数据集。现在最常用的Cornell Grasp Dataset, Jacquard数据集都是单目标场景。(像Dex-Net数据集和Google机器人工厂这种东西普通研究者就只能看着了)(2)现在的研究者过于强调端到端检测。(3)没有一个合适的抓取表示法。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,实现堆叠场景原创 2020-12-11 21:47:01 · 5678 阅读 · 15 评论 -
抓取检测之 Convolutional multi-grasp detection using grasp path for RGBD images
目前的平面抓取检测主要基于Jiang在2014年提出的矩形抓取表示,其最大的缺点是,无法对物体的抓取真值进行详尽的标注(或者说现有的数据集没有详尽的标注),导致两个问题:(1)无法为神经网络提供完美的真值;(2)无法准确的验证,因为一个实际可操作的预测抓取可能不满足验证标准,即IOU>0.25 & angle<30,反之亦然。容易想到的一个解决办法是,对数据集进行像素级标注,使标注的抓取尽量贴近真值,但是这个方案难以实现,替代的,Chen提出了一个简化的方法,即本文介绍的论文原创 2020-12-09 15:47:33 · 824 阅读 · 0 评论 -
抓取检测之Task-oriented Grasping in Object Stacking Scenes with CRF-based Semantic Model
引用Yang C , Lan X , Zhang H , et al. Task-oriented Grasping in Object Stacking Scenes with CRF-based Semantic Model[C]// 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019.摘要复杂场景中的任务导向的抓取。在预测目标boundingbox的同时,预测抓取矩原创 2020-06-20 15:44:48 · 679 阅读 · 3 评论 -
抓取检测之Robotic Grasp Detection using Deep Convolutional Neural Networks
论文S. Kumra and C. Kanan, “Robotic grasp detection using deep convolutional neural networks,” 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Vancouver, BC, 2017, pp. ...原创 2020-03-20 14:40:52 · 2273 阅读 · 0 评论 -
抓取检测之ACRV Picking Benchmark(APB)数据集
来源J. Leitner et al., “The ACRV picking benchmark: A robotic shelf picking benchmark to foster reproducible research,” 2017 IEEE International Conference on Robotics and Automation (ICRA), Singapore, ...原创 2020-03-12 21:58:03 · 506 阅读 · 0 评论 -
抓取检测之Fast Graspability Evaluation(FGE)
算法比较麻烦,这里只记录不太好懂的地方来源:Y. Domae, H. Okuda, Y. Taguchi, K. Sumi and T. Hirai, “Fast graspability evaluation on single depth maps for bin picking with general grippers,” 2014 IEEE International Confere...原创 2020-03-07 20:06:39 · 631 阅读 · 0 评论 -
抓取检测之抓取过程中的坐标系转换
这里用的抓取表示是我自己设计的,还未发表,不方便写,主要计算过程和以前的论文是一样的。因为写公式麻烦,就直接截图了。原创 2020-03-06 18:03:21 · 906 阅读 · 1 评论 -
抓取检测之GraspCNN: Real-Time Grasp Detection Using a New Oriented Diameter Circle Representation
来源Y. Xu, L. Wang, A. Yang and L. Chen, “GraspCNN: Real-Time Grasp Detection Using a New Oriented Diameter Circle Representation,” in IEEE Access, vol. 7, pp. 159322-159331, 2019摘要使用有向直径圆表示抓取姿势,使用端到...原创 2020-03-06 17:54:29 · 1553 阅读 · 11 评论 -
抓取检测之五维矩形抓取框
来源@inproceedings{inproceedings,author = {Jiang, Yun and Moseson, Stephen and Saxena, Ashutosh},year = {2011},month = {05},pages = {3304-3311},title = {Efficient grasping from RGBD images: Learn...原创 2020-03-05 19:22:44 · 2098 阅读 · 5 评论 -
抓取检测数据集Cornell数据解析
从Cornell数据集网站:http://pr.cs.cornell.edu/grasping/rect_data/data.php中,我们可以得到比较详细的数据集格式信息,但是其中关于pcd文件的说明不太详细,经过一段时间的查询,记录一下。以pcd0100.txt为例,打开文件,第一行就是“# .PCD v.7 - Point Cloud Data file format”,说明文件采用的...原创 2020-02-27 23:21:28 · 11990 阅读 · 58 评论 -
抓取检测之抓取角的训练方法
这段时间在看抓取检测相关的资料,注意到一个细节,不管哪种抓取表示方法,都包含了抓取旋转角φ,即夹持器垂直接近目标时,沿z轴旋转的角度,范围是[-π/2,π/2]。为了训练由输入图像到旋转角的转换关系,一般采用将角度值编码为单位圆上的点坐标(sin2φ, cos2φ)的方法,目的是消除原始角度在训练过程中产生的不连续性。我一开始看不懂这么做的意义,后来根据某篇论文的参考文献查到该方法的来源《Kota...原创 2021-01-29 18:37:37 · 1217 阅读 · 0 评论 -
抓取检测之Closing the Loop for Robotic Grasping: A Real-time, Generative Grasp Synthesis Approach
论文简介:《Closing the Loop for Robotic Grasping: A Real-time, Generative Grasp Synthesis Approach》2018年发表于Robotics: Science and Systems (RSS),作者:Douglas Morrison, Peter Corke and Jürgen Leitner摘要:...原创 2020-02-23 18:06:08 · 5525 阅读 · 33 评论