![2ddf026665e1bbc696f66a4698cea536.png](https://i-blog.csdnimg.cn/blog_migrate/757f3b22973ab9aa285e371e92d976c3.jpeg)
先说结论:这次实验让我充分感受到,传统数学模型像居家好男人,真诚可靠,但就是显得很无聊。神经网络就像是渣男,好用神秘,说不上来哪点好,就是让人忘不了。
为了能够更加精准的抓取物体,首先需要对机械臂进行标定。因为像素坐标以及相机坐标以及机械臂基座坐标都不统一。所以往往要花很多时间和力气去做标定工作。费时费力,最后结果还不一定好,就想试试有没有比较自动又精准的办法。
于是一个自动拔钉子的试验场场景就出现在了脑海里。一个被精确标定的机械手臂应该是可以很精确的抓取钉子的。
![38bea0e9db08ea4da4b3404f64053d14.png](https://i-blog.csdnimg.cn/blog_migrate/98a955da53488b61ceeac91380ede2c8.jpeg)
解决思路很简单,就是让机械手抓住一个钉子,自动的在桌面上移动,然后通过kinect相机来自动识别钉子,并确定钉子在图像里面的位置,并且得到机械手爪的位置。之后通过最小二乘法来估计线性映射的解,或者通过神经网络来估计非线性映射的解。
(1) 采集数据
编程控制机械手捏着红色钉子,以圆周运动的形式,在桌面游走。kinect相机识别红色,并取得红色区域的中心点坐标。最后,将像素