
机器人抓取
Guoguang Du
维护公众号【3D视觉前沿】
https://georgedu.github.io/
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
基于视觉的机器人抓取: 论文及代码(Vision-based Robotic Grasping: Papers and Codes)
最近总结了基于视觉的机器人抓取的相关论文及代码,同步于github。根据抓取的类别,基于视觉的机器人抓取可以分为两类:2D平面抓取以及6D空间抓取。这个页面总结了近年来涉及到的各种各样的方法,其中大部分都使用了深度学习。总结的中文框架结构如下:0.综述论文1. 2D平面抓取这类方法将抓取,用平面内旋转的矩形框表示;1.1基于RGB或者RGB-D的方法采用基于目标检测类的方法,直接得到2D...原创 2019-10-22 20:06:42 · 24644 阅读 · 18 评论 -
刚体6D位姿估计方法综述
方法分类(Correspondences-based method)(Template-based method)(Voting-based method) (Regression-based method)一个简单的表格是这么创建的:姿态估计方法已知信息核心思路代表方法适用场景基于2D-3D对应的方法3D模型3D点与以及投影后的带纹理图像将3D模型投影得到RG...原创 2019-07-31 20:40:49 · 37554 阅读 · 210 评论 -
机器人抓取中物体定位算法概述
1. 引言机器人抓取的首要任务,是确定要抓什么,也就是需要定位目标物体在输入数据中的位置。这个过程可以分为三个层次,分别为物体定位但不识别、物体检测、物体实例分割。物体定位但不识别是指获得目标物体的2D/3D范围但是不知道物体的类别;目标检测是指得到目标物体的2D/3D包围盒,同时识别目标物体的类别;目标实例分割提供目标物体所占有的像素或者点级别的区域信息,同时识别目标物体的类别。本文来自论文h...原创 2020-05-05 19:10:29 · 10805 阅读 · 7 评论 -
近年来机器人主流抓取估计方法总结
根据抓取的表示,应用场合等可以将机器人抓取分为2D平面抓取和6-DoF空间抓取,各自又包含很多方法,下面一一介绍。1 2D 平面抓取:适合工业抓取,场景是机械臂竖直向下,从单个角度去抓,抓取通常由平面内的抓取四边形,以及平面内的旋转角度表示(Oriented 2D rectangle):根据使用的数据RGB/Depth不同,又可以分为以下三类:基于RGB,基于RGB+Depth,和基于De...原创 2019-09-23 10:13:08 · 15444 阅读 · 18 评论 -
【2019ICRA】PointNetGPD: 基于PointNet直接从点云中估计抓取位姿
摘要本文发表于2019年ICRA,作者提出了一种端到端的抓取位置预测模型,能够从点云中估计出机器人的抓取位姿。和当前算法相比,作者提出的PointNetGPD是一种轻量级的网络模型,能够处理抓取器闭合区域的点云,进行抓取质量估计。网络以原始点云作为输入,能够捕捉到抓取器闭合区域点云的复杂几何结构,即使这些点云很稀疏。此外,作者基于YCB模型库,生成了350K包含真实点云和抓取的数据集用于训练。提...原创 2019-07-24 10:00:45 · 10060 阅读 · 0 评论 -
【2019CVPR】CRAVES:通过廉价的视觉系统控制机械臂
该文章发表于2019年CVPR,题目是:CRAVES: Controlling Robotic Arm with a Vision-based Economic System,核心点是使用40美元的廉价无传感器机械臂进行控制操作。论文为清华、北大以及约翰霍普金斯大学合作完成。引言本文的出发点是训练一个强化学习网络,可以对机械臂进行较为精确的控制。使用强化学习的好处是可以允许低控制精度的机械臂,...原创 2019-08-10 18:58:54 · 2640 阅读 · 2 评论 -
【2018ICRA】Robotic Pick-and-Place of Novel Objects in Clutter:杂乱场景下未知物体的抓取
这篇文章发表于2018年的ICRA会议,作者分别为Princeton和MIT团队的相关学者,论文有对应的项目网址。1. 总评当前主流进行抓取,首先需要recognize目标物体,之后估计6Dpose,再进行抓取。而这篇文章提出了一个“grasp-first-then-recognize”的框架,不先进行识别,而是直接从一堆物体中先抓取某个物体,之后再判断他的类别。这样有两点好处:主动地从一堆...原创 2019-12-24 20:16:22 · 2751 阅读 · 0 评论