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

qxcqxc123

已于 2022-09-18 20:38:44 修改

阅读量3k

点赞数 3

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

本文链接：https://blog.csdn.net/qxcqxc123/article/details/122967279

版权

该博客介绍了6-DOF-ConvGPD，一种用于机器人抓取的算法，利用未知物体的三维点云特征。文章包含github链接、B站视频和相关论文，探讨了抓取操作的影响因素、方法流程，并展示了单物体和多物体抓取的实验结果。依赖项包括PCL库和Libtorch。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

方法流程

抓取检测算法流程

单物体抓取实验结果

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

qxcqxc123

关注关注

3
点赞
踩
24

收藏

觉得还不错? 一键收藏
4
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

点云从入门到精通技术详解100篇-基于三维点云的并联机器人 抓取

getusushu的博客

10-17

790

随着我国科技水平的不断发展，我国制造业正在迈向高端化、智能化和绿色化。在智能制造方面，加快了生产线设备的改造升级，机器换人的步伐。我国已将机器人纳入了国家科技创新的重点领域。机器人技术作为未来智能生产领域的重要环节，加强机器人核心技术的攻关已刻不容缓[ 1]。机器人是机械工程、电子信息、控制工程和人工智能 等多学科交叉融合的产物，其具有可操作性强，灵活性高和配置柔性等优势。目前，机器人技术已广泛应用于物料分拣、机械装配、装备制造和资源勘探开发等领域，如图1- 1所示。

点云从入门到精通技术详解100篇-基于点云特征的工业机械臂六自由度抓取

getusushu的博客

01-30

880

的网格上定义，因此点云的无序性使其很难直接应用到点云数据上。不需要用建立复杂的数学模型，通过外部设备记录手与抓取目标之间的交互关系，较理想的效果，并且它们的模型可以被很好地推广到训练集中不存在的新颖物体。DOF 抓取位姿并发送指令，机械臂根据指令运动到指定的位姿，完成抓取动作。于预先获取的抓取目标模型信息和周围环境信息来规划抓取，导致了这些方法的。然而面对全球人口老龄化的趋势，人们对能够在真实的非结构化环境中工作的智。这里的抓取位姿是指机械臂末端夹持器坐标系相对于相机坐标系发生的变换，包。

4 条评论您还未登录，请先登录后发表或查看评论

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

2348

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...

基于三维点云的机器人杆件目标识别与抓取（四）

weixin_42734533的博客

12-15

5812

@基于点云特征描述匹配的目标识别识别基于点云特征描述匹配的目标识别方法主要分为离线注册与在线识别两个过程。离线注册过程，需要创建待识别目标的模型点云，可以通过CAD模型的点云化获得，也可以通过数据采集设备获得。对获得的模型点云进行特征描述并生成特征描述文件。在线识别阶段，需要对经点云数据分割后得到的模型点云数据子集进行特征描述，分别与离线注册生成的目标特征描述文件进行特征匹配，累计投票得到预测的中心点，并计算匹配相似度，提取匹配相似度最高的点云子集，作为场景中所要识别的目标，进而完成场景桁架杆件目标的识别

基于三维点云机器人杆件目标识别与抓取（一）

weixin_42734533的博客

05-13

2100

从本文开始，我将近一年的课题学习与研究，已分片的形式来记录和展示。将通过这几篇博文的介绍，展示自己的学习和研究过程中采用的方法及其相关结果显示。下图所示为基于位置的机器人视觉伺服反馈控制方法，本课题侧重于视觉伺服反馈部分中的场景超长杆件的目标识别及杆件的位姿估计。本篇博文将介绍数据的采集以及数据的预处理等相关内容。一、场景数据采集点云数据通常由深度图生成，本文基于双目视觉成像原理获取深度图，红外点阵投射器将结构光投射到物体表面，左右红外相机获取左右图像，根据三角测量原理得到视差图，由视差图进而生

6-DoF抓取检测

最新发布

lgp517的博客

02-14

463

负向提示引导在6-DoF抓取检测中是一种有希望的方法，通过结合自然语言指令和三维场景理解，使机器人能够更准确和高效地操作物体。因此，在抓取检测的背景下，这可能意味着通过提示帮助机器人识别要抓取的物体，并避免其他物体。经过一些搜索，我找到了一些关于使用扩散模型进行机器人抓取的论文，但没有直接提到负向提示引导。通过负向提示，模型可以忽略不相关的物体，专注于目标物体，从而提高准确性和效率。在抓取的背景下，这可能意味着忽略场景中的某些物体或区域，以专注于目标物体。

Moveit Task Constructor GPD抓取架构理解

weixin_41003113的博客

12-16

577

4-dof-robot-arm三维模型

07-03

四自由度（4-DOF）机器人手臂是一种在工业自动化领域广泛应用的机械设备，它具有四个独立的运动轴，能够实现复杂的空间运动。本主题主要围绕4-DOF机器人手臂的三维模型进行深入探讨。首先，"4-dof-robot-arm三维...

DOF6_1_六自由度_sixdegreefreedom_六自由度控制_机械_机器人控制

09-11

在机器人学中，六自由度（6DOF）代表机器臂或机械结构可以在三维空间中进行六个独立的运动：前后移动（X轴）、左右移动（Y轴）、上下移动（Z轴），以及绕这三个轴的旋转（俯仰、偏航和滚动）。这个描述涉及了机械...

基于三维点云的机器人加工轨迹规划

01-27

为了使机器人准确高效地完成复杂轮廓工件的切削加工, 结合点云技术与机器人技术, 提出了一种基于三维点云直接生成机器人的切削加工轨迹的算法。搭建了一种以激光位移传感器和机器人为核心部件的点云测量系统, 通过坐标关系变换实现了一维测量到三维测量的扩展。通过在线测量获取了被加工工件轮廓的三维点云, 采用点云预处理算法和机器人轨迹的生成算法, 直接生成了针对被测工件的机器人加工轨迹。仿真结果表明, 该测量系统及算法能够准确地提取工件轮廓的三维点云并快速生成机器人的加工轨迹。

基于机器视觉的服务机器人智能抓取

09-15

机器视觉 机器人 智能抓取

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

基于三维点云的机器人杆件目标识别与抓取（六）

weixin_42734533的博客

12-21

1187

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 @基于点云配准的场景目标杆件位姿估计 1 前言本章主要介绍场景中桁架杆件目标的位姿获取方法及过程。本文采用点云数据配准的方式获取场景目标的位姿信息[50]。通过创建桁架杆件目标的模型点云数据与实际场景中识别的桁架杆件目标的点云数据进行配准，计算两点云数据之间的变换关系，进而求得实际桁架杆件目标的位姿。为了提高两组点云数据在数据配准过程中快速性和准确性，点云数据配准过程分为数据粗配准和数据精配准两部分。本文采用采样一致性算法（SAC_IA

抓取GDP数据

weixin_40903057的博客

07-10

1080

http://data.stats.gov.cn/ks.htm?cn=C01 [外链图片转存失败(img-nrHOoQLV-1562729428899)(中国统计网-GDP.png)] import requests from bs4 import BeautifulSoup url = 'http://data.stats.gov.cn/ks.htm' post_data = {"dbcode...

【软件安装11】抓取姿态检测 Grasp Pose Detection (GPD) 与 gpd_ros 安装Ubuntu18.04

sinat_38792591的博客

06-12

2239

可以参考之前的博文：【软件安装9】OpenCV多版本安装Ubuntu18.04 与【软件安装10】PCL多版本安装Ubuntu18.04 进行提前安装对应的依赖版本。在点云文件（PCD或PLY）上运行GPD 会依次输出类似于下面的屏幕截图【截图均为PCL的查看器】，该窗口是PCL查看器。您可以按【q】关闭窗口，按【h】查看其他命令列表。：执行指令后，首先出现标题为 Normals 的查看器1；

PointNetGPD：从点云中直接检测抓取配置

gitblog_00326的博客

09-14

700

PointNetGPD：从点云中直接检测抓取配置 PointNetGPD PointNetGPD实验复现与注释项目地址: https://gitcode.com/gh_mirrors/poi/PointNetGPD ...

包裹点云位姿估计_基于点云配准的室内移动机器人6自由度位姿估计

weixin_39520204的博客

01-13

247

基于点云配准的室内移动机器人6自由度位姿估计吕强;王晓龙;刘峰;夏凡【期刊名称】《装甲兵工程学院学报》【年(卷),期】2013(027)004【摘要】针对移动机器人在室内环境下难以获取GPS定位信息,仅靠自身惯导不能得到精确位姿的问题,提出了一种基于RGB-D传感器获取三维环境点云,对连续点云提取特征并进行配准的移动机器人6自由度位姿估计方法.首先通过RGB-D传感器获取环境深度图像,根据特征提取...

机器人 检测点云中的抓取姿势 Grasp Pose Detection (GPD) 扩展实例编写

二分掌柜的

12-26

4714

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...

【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

6098

#【毕业课题学习】6DOF物体识别及抓取-PCL点云处理（四）—Hough voting详解

STM32F1实现六自由度机器人目标抓取源码解析

标题和描述中提到的知识点集中在STM32F1系列微控制器用于控制一个六自由度（6-DOF）机器人的程序源码，并且这个程序的功能是实现目标的抓取动作。以下是对这些知识点的详细说明： 1. **STM32F1系列微控制器：** STM...