机器人抓取系列——姿态估计

最新推荐文章于 2024-04-28 06:28:08 发布
VIP文章 最新推荐文章于 2024-04-28 06:28:08 发布
阅读量888 收藏 10
点赞数
分类专栏： 机器人抓取 文章标签： 计算机视觉 深度学习 人工智能
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/toCVer/article/details/125292358
版权

本文所介绍的姿态估计方法不具有泛化性，只适用于特定的场景

抓取场景介绍

本次机器人抓取的对象为堆叠场景下的小木块
在这里插入图片描述
然后通过前面所提到的点云分割算法，将深度相机拍摄到的点云图进行分割，得到待抓取物体的点云
在这里插入图片描述
然后通过OBB点云包围框将目标点云框选，提取出包围框的长边
在这里插入图片描述
通过对点云坐标求平均值可以求出目标点云的大概的中心点位置，这样的话待抓取物体的中心点坐标（x，y，z）就可以轻松得到，因为本次抓取是6DoF抓取，因此除了坐标信息，我们还需要得到待抓取物体的旋转向量信息。
在这里插入图片描述这样物体的6D姿态信息就可以得到了。

苦逼打工人呜呜
关注
  • 0
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器人姿态估计（STATE ESTIMATION FOR ROBOTICS）
06-02
本书名为：STATE ESTIMATION FOR ROBOTICS，可供广大机器人开发工程师参阅与指导
机器人4.0白皮书——云-边-端融合的机器人系统和架构.pdf
07-04
机器人将进入 4.0 时代，把云端大脑分布在从云到端的各个地方，充分利用边缘计算去提供更高性价比的服务，把要完成任务的记忆场景的知识和常识很好的组合起来，实现规模化部署。机器人除了具有感知能力实现智能协作...
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）
m0_52785249的博客
05-26 1556
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
机器人抓取（六）—— 抓取点检测（抓取位姿估计） gqcnn代码测试与解读
zxxRobot的博客
05-21 1万+
grasp detection 两个开源工作做得比较好的二维平面抓取点检测项目。 gcnn, 文档 GR-ConvNet 1. gcnn 文档 1.1 ros安装 cd catkin_workspace/src git clone https://github.com/BerkeleyAutomation/gqcnn.git cd gqcnn pip install . # 该安装方法很有可能不成功，可以找到gpu_requirements.txt文件，逐个安装。pip不成可尝试conda # ca
机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划
qq_29462849的博客
02-15 1万+
作者：Tom Hardy Date：2020-2-13 来源：机器人抓取汇总|涉及目标检测、分割、姿态识别、抓取点检测、路径规划 前言 最近读了一些关于机器人抓取相关内容的文章，觉得甚是不错，针对一些方法和知识点，做下总结。 本文综述了基于视觉的机器人抓取技术，总结了机器人抓取过程中的四个关键任务：目标定位、姿态估计、抓取检测和运动规划。具体来说，目标定位包括目标检测和分割方法，姿态估计包括基...
位姿估计_1
xueliang2007的博客
12-19 2万+
姿态估计（Pose estimation）在计算机视觉领域扮演着十分重要的角色。这里主要是求解相机和目标物体的相对位姿
视觉机械臂自主抓取全流程
热门推荐
knightsinghua的博客
06-17 3万+
视觉机械臂是智能机器人的一个重要分支，它主要包括控制芯片、驱动电路、机械臂、相机等部分。自主抓取是指，在没有人为干预的情况下，视觉机械臂系统通过摄像头获取到目标物体的位置，并且通过驱动机械臂来完成对于目标物体的抓取任务。........................
机械臂视觉抓取学习笔记
minzufuxing1949的博客
10-02 1572
像素坐标系不利于坐标变换，因此需要建立图像坐标系，其坐标轴的单位通常为毫米（mm），原点是相机光轴与相面的交点（称为主点），即图像的中心点，轴、轴分别与轴、轴平行。像素坐标系中坐标轴的单位是像素（整数）。摄像头这种精密仪器对光学器件的要求较高，由于摄像头内部与外部的一些原因，生成的物体图像往往会发生畸变，为了避免数据源造成的误差，需要针对摄像头的参数进行标定。2）、对图像中的特征点如标定板角点进行检测，得到标定板角点的像素坐标值，根据已知的棋盘格大小和世界坐标系原点，计算得到标定板角点的物理坐标值；
物体空间姿态估计// Robust Planar Pose (RPP)algorithm
kintzhao
05-07 2万+
http://blog.sina.com.cn/s/blog_60f11afd0100ttc9.html 姿态估计问题就是：确定某一三维目标物体的方位指向问题。姿态估计在机器人视觉、动作跟踪和单照相机定标等很多领域都有应用。 在不同领域用于姿态估计的传感器是不一样的，在这里主要讲基于视觉的姿态估计。 基于视觉的姿态估计根据使用的摄像机数目又可分为单目视觉姿态估计和
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
01-14 813
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...
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
3D视觉工坊
06-29 7348
编者荐语抓取综合方法是机器人抓取问题的核心，本文从抓取检测、视觉伺服和动态抓取等角度进行讨论，提出了多种抓取方法。转载自丨3D视觉开发者社区目录/ contents1. 引言 1.1抓取综合方法 1.2 基于视觉的机器人抓取系统2. 抓取检测、视觉伺服和动态抓取 2.1抓取检测 2.2 视觉伺服控制 2.3动态抓取3. 本文实现的方法...
机器人学中的状态估计（中文）
07-03
高博翻译的《机器人学中的状态估计》，SLAM，机器人，状态估计。
桌面机器人开源项目 —— 来自稚晖君
03-16
本项目是一个桌面级小机器工具人，外观设计的灵感来源是WALL-E里面的EVE~机器人具备USB通信显示画面功能，具备6个自由度（手部roll、pitch，颈部，腰部各一个），使用自己修改的特制舵机支持关节角度回传。...
中国机器人之父——蒋新松.pdf
08-14
#资源达人分享计划#
ROS机器人实例——PR2
02-25
PR2（PersonalRobot2，个人机器人2代）是WillowGarage公司设计的机器人平台，其中数字2代表第二代机器人。PR2有两条手臂，每条手臂七个关节，手臂末端是一个可以张合的夹爪；PR2依靠底部的四个轮子移动，在头部、...
深入探索计算机视觉：高级主题与前沿应用的全面解析
极客代码
04-26 1031
计算机视觉作为人工智能领域的一个重要分支，已经在许多领域取得了显著的进展。通过深入学习特征提取、图像分类、目标跟踪和场景理解等高级主题，我们不仅能够更好地理解计算机视觉的技术原理，还能够探索其在现实世界中的广泛应用。随着技术的不断发展，相信计算机视觉将会在更多的领域发挥出巨大的潜力，为人类带来更便捷、更安全、更智能的生活。计算机视觉的发展让我们能够构建出越来越智能的视觉系统，这些系统不仅能够“看”懂世界，还能够帮助我们更好地理解和解释周围的环境。
人脸识别概念解析
最新发布
mickey2007的博客
04-28 1659
人脸识别在我们的生活中随处可见，例如在大楼门禁系统中，它取代了传统的门禁卡或密码，提高了进出的便捷性和安全性。在商场安保方面，人脸识别被广泛应用于监控系统，有助于识别和跟踪潜在的犯罪嫌疑人或失踪人员，提升了安全防范的能力。另外，手机解锁也是人脸识别技术的重要应用之一，它为用户提供了一种快捷、便利的身份验证方式，替代了传统的密码或指纹识别。
深度学习与目标检测：从卷积神经网络到YOLOv8概念介绍
weixin_67244432的博客
04-25 1009
接下来，我们将详细阐述YOLO系列模型，特别是最新的YOLOv8模型，并揭示其训练过程及所取得的成果。其中，YOLOv8作为最新成员，在保持实时性能的同时，进一步提高了检测的准确度。YOLO系列模型在保持高准确度的同时，大大简化了目标检测流程，使得其在自动驾驶、视频监控等领域具有广泛的应用前景。相比之下，卷积神经网络通过局部连接和权值共享的方式，显著减少了模型参数的数量，提高了计算效率。YOLO模型的训练过程是一个复杂而精细的过程。首先，需要准备标注好的数据集，包括图像的路径、目标的位置和类别等信息。
计算机视觉——OpenCV 使用分水岭算法进行图像分割
知来者逆的博客
04-26 866
分水岭算法通过模拟自然地形来实现图像中物体的分类。在这一过程中，每个像素的灰度值被视作其高度，灰度值较高的像素形成山脊，即分水岭，而二值化阈值则相当于水平面，低于这个水平面的区域会被“淹没”。
遗传算法优化扫地机器人路径规划——附matlab代码
12-27
遗传算法是一种基于生物进化理论的优化方法，在优化问题中广泛应用。扫地机器人路径规划作为一种优化问题，可以利用遗传算法来寻找最优路径。首先，我们需要定义适应度函数，该函数用来评估每条路径的优劣，例如路径长度、避开障碍物的能力等。然后，我们随机生成一组初始路径作为种群，再利用遗传算法的选择、交叉和变异操作来不断优化这些路径，直到达到一定迭代次数或者满足优化条件为止。 以下是一个简单的扫地机器人路径规划的遗传算法优化的MATLAB代码： ```matlab % 遗传算法参数设置 popSize = 50; % 种群大小 maxGen = 100; % 最大迭代次数 pc = 0.8; % 交叉概率 pm = 0.1; % 变异概率 % 初始化种群 population = initPopulation(popSize); for gen = 1:maxGen % 评估种群适应度 fitness = evaluateFitness(population); % 选择操作 selected = selection(population, fitness); % 交叉操作 offsprings = crossover(selected, pc); % 变异操作 offsprings = mutation(offsprings, pm); % 更新种群 population = updatePopulation(population, offsprings); end % 找到最优路径 bestPath = findBestPath(population, fitness); % 输出最优路径 disp(['最优路径为：', num2str(bestPath)]); ``` 以上就是一个基本的遗传算法优化扫地机器人路径规划的MATLAB代码，通过不断迭代和优化，最终可以得到最优的路径规划方案。这种方法可以有效解决扫地机器人在复杂环境中的路径规划问题。

“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
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