6-DOF-ConvGPD 基于未知物体三维点云特征的机器人六自由度抓取

已于 2022-09-18 20:38:44 修改
阅读量2.4k 收藏 18
点赞数 2
分类专栏： 机器人抓取 文章标签： 计算机视觉 机器学习 深度学习 算法 人工智能
于 2022-02-16 17:15:29 首次发布
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/qxcqxc123/article/details/122967279
版权

代码、视频与论文

github

https://github.com/quxiaochang/6-DOF-ConvGPD.

B站

https://github.com/quxiaochang/6-DOF-ConvGPD.

论文

http://jcta.alljournals.ac.cn/cta_cn/ch/reader/view_abstract.aspx?file_no=CCTA210403&flag=1

摘要

（自己论文查重竟然查到了自己投稿简介，( ╯□╰ )，暂时先删了，后面补上）

抓取操作影响因素

抓取操作影响因素

方法流程

抓取检测算法流程

单物体抓取实验结果

单物体抓取实验结果

多物体抓取实验结果

多物体抓取实验结果

依赖

  • PCL 1.8 或以上
  • Libtorch(与安装的Pytorch版本保持一致)

致谢

qxcqxc123
关注
  • 2
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
基于MATLAB和RobotStudio的6-DOF机器人运动学分析与仿真.pdf
08-14
基于MATLAB和RobotStudio的6-DOF机器人运动学分析与仿真.pdf
gpd:检测点云中的6自由度抓握姿势
05-23
掌握姿势检测（GPD） 抓握姿势检测（GPD）是用于检测3D点云中2指机器人手（例如，平行下颌抓取器）的6自由度抓握姿势（3自由度位置和3自由度方向）的软件包。 GPD将点云作为输入，并生成可行抓取的姿态估计作为输出。 GPD的主要优势是： 适用于新颖的物体（检测不需要CAD模型）， 在混乱的环境中工作，并且 输出6-DOF抓握姿势（不只是自上而下的抓握）。 GPD包含两个主要步骤：对大量掌握的候选对象进行抽样，以及将这些候选对象归类为可行的抓握或不可行的抓握。 输入和输出示例 该程序包的参考是： 。 目录 PCL对GPU的支持 网络培训 掌握图像 参考 1）要求 PCL 1.9或更高版本 本征3.0或更高版本 OpenCV 3.4或更高版本 2）安装 以下说明已在Ubuntu 16.04上进行了测试。 类似的说明也适用于其他Linux发行版。 安装PCL和Eigen 。 如
6-DOF GraspNet: Variational Grasp Generation for Object Manipulation
cocapop的博客
03-10 1013
抓取姿势的成功取决于抓取相对于对象的相对姿 势。在这里，我们 专注于生成单个对象的抓取姿势，由于机械手的到达 和由于场景中的其他对象而产生的额外约束超出了本 工作的范围，可以通过轨迹优化技术来处理。相比之下，抓点检 测方法(GPD)[31,15]对候选抓点进行更密集的采样:对 观测到的点云中的一个点进行随机采样，并构建一个 与估计的表面法线和主曲率的局部方向对齐的达布框 架。这些方法中 的许多都依赖于物体的完整3D模型的可用性，这在现实 场景中是一个严重的限制，例如，机器人只能用嘈杂的 深度相机观察场景。
6DOF.rar_6DOF UDF_6dof_fluent-6dof_fluent6自由度_六自由度udf
07-14
此程序作为编译型udf，可以实现fluent中的六自由度运动模块中的功能
论文研究-基于6-DOF姿态估计的移动机器人三维地图构建系统 .pdf
08-23
基于6-DOF姿态估计的移动机器人三维地图构建系统 ，戚传江，温程璐，在三维点云配准算法中，经典ICP算法存在过分依赖初始值的问题。本文构建了一个基于6-DOF姿态估计的移动机器人三维地图构建系统。系�
deep_grasp_demo:深度学习在MoveIt中进行抓握检测
05-25
深度演示 概述 该存储库包含一些使用深度学习方法的示例，这些示例用于在MoveIt Task构造函数中掌握姿势的生成。 这些软件包是在运行ROS Melodic的Ubuntu 18.04上开发和测试的。 配套 ：使用深度学习方法在MoveIt Task构造函数中的把握生成阶段构造一个拾取和放置任务 ：使用Dex-Net从深度图像中采样抓取 moveit_task_constructor_gpd ：使用GPD采样来自3D点云的抓取 入门 首先，完成“ 入门指南” 。 在安装依赖项之前，建议先运行： sudo apt update sudo apt upgrade 重要说明：建议在catkin工作区之外安装不是ROS软件包的依赖项。 对于GPD，这包括PCL，OpenCV和GPD库。 对于Dex-Net，这包括gqcnn ， autolab_core ，悟性和可视化。 下面的步骤
【毕业课题学习】6DOF物体识别及抓取-PCL点云处理（四）---Hough voting详解
qq_39139736的博客
03-20 5568
#【毕业课题学习】6DOF物体识别及抓取-PCL点云处理（四）—Hough voting详解
抓取领域相关论文及摘要
cocapop的博客
05-21 8293
1、Vision-based Robotic Grasping From Object Localization, Object Pose Estimation to Grasp Estimation for Parallel Grippers: A Review（2019） 本文对基于视觉的机器人抓取技术进行了综述。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。其中，目标定位任务包括不分类的目标定位、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。目标位
Moveit Task Constructor GPD抓取架构理解
weixin_41003113的博客
12-16 434
机器人6D抓取姿态检测(GPD)－Ubuntu 16.04 + ROS Kinetic + RGBD + CPU版本的实现（详尽）
Eeko_x的博客
03-17 1970
机器人6D抓取姿态检测(GPD)－Ubuntu 16.04 + ROS Kinetic + RGBD + CPU版本的实现（详尽） 转发请注明出处： https://blog.csdn.net/Eeko_x 简介 本人毕业于英国南安普顿大学MSc Artificial Intelligence硕士专业，主攻计算机视觉方向，目前工作于机器人公司，研究机器视觉，识别抓取物体等… 最近做了一个 Gras...
4-dof-robot-arm三维模型
07-03
4-dof-robot-arm三维模型
6-DOF-simulation-platform.rar_6-DOF_传感器_液压控制系统_液压灵敏度_精度评估
07-14
六自由度平台运动仿真及操纵系统需要的可能是平台任一点处的运动参数，这些参数是由平台特征点的加速度矢量推算而来，因此要求特定点处测得的线加速度与角加速度其作用点及作用轴线应完全重合，传感器基准坐标要明确...
机器人6D抓取姿态检测(GPD)－Ubuntu 16.04 + ROS Kinetic + RGBD + CPU版本的实现
Eeko_x的博客
03-13 8991
@机器人6D抓取姿态检测(GPD) 机器人6D抓取姿态检测(GPD) 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： ...
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 1932
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。
【毕业课题学习】6DOF物体识别及抓取-PCL点云处理（一）
qq_39139736的博客
02-07 2164
【毕设题目学习】6DOF物体识别及抓取-PCL点云处理 转眼来到毕业季，又恰逢武汉疫情，实在家里闲的慌，便开始着手毕设的题目 废话不多说，闲的时候，我将陆续写写博客，来记录关于该课题的一些学习记录，分享过程中遇到的那些坑，也欢迎能够相互交流学习。 首先，我大致说一下我的毕设题目，主要任务就是用PCL点云库进行点云处理，通过如几何特征的方式（不限）（毕竟现在应用方面基于几何特征是主流，不过深度学习势...
强化学习——Grasping in the wild: Learning 6dof closed-loop grasping from low-cost demonstrations
cocapop的博客
03-11 891
我们的目标是在一个框架内实现可靠的 6DoF 闭环抓取，该框架要足够灵活，能够处理新型物体和带有移动物体的动态场景配置。我们发现，通过在一个大型人类演示数据集上训练视觉抓取值函数（使用基于视图的渲染进行数据增量）（通过配备腕部摄像头的手持式抓手收集），这一目标是可以实现的。将视觉导向抓取问题建模为马尔可夫决策过程（Markov Decision Process, MDP），其中在每个时刻 t，机器人根据策略 π(s, a) 选择并执行一个动作 a，然后转移到新的状态 s'，并接收奖励 r。
机器人 检测点云中的抓取姿势 Grasp Pose Detection (GPD) 扩展实例编写
flyfish
12-26 4337
机器人 检测点云中的抓取姿势 Grasp Pose Detection (GPD) 扩展实例编写 flyfish 环境 Ubuntu16.04 ROS kinetic Detect Grasps With an RGBD camera 使用RGBD摄像机检测抓取 语言:C++ 相机：astra 在CmakeLists中添加： add_compile_options(-std=c++11) ad...
机器人 抓取 Grasp Pose Detection (GPD) grasp类型转ROS的标准pose
flyfish
01-10 2259
机器人 抓取 Grasp Pose Detection (GPD) grasp类型转ROS的标准pose flyfish 问题 ：原格式包含众多的Position，Orientation 是三个向量，应该怎么用哪个？ # This message describes a 2-finger grasp configuration by its 6-DOF pose, # consisting of...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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