【3D无序抓取】--GPD基于深度学习的通用抓取位姿检测全解析

已于 2025-07-24 09:11:47 修改
阅读量89 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 《3D无序抓取学习》 文章标签： 3d 深度学习 人工智能
于 2025-06-18 10:30:37 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.youkuaiyun.com/weixin_45590420/article/details/148734141

GPD详解：基于深度学习的通用抓取位姿检测全解析

GPD（Grasp Pose Detection）是一种基于深度学习的目标无关抓取位姿生成算法，能够直接从RGB-D数据预测可行抓取位姿，在杂乱场景中表现出色。以下是其技术原理与工程实践深度解析：

1. 核心特性对比

特性 GPD 传统方法(如GraspIt!) 其他深度方法(如6-DOF GraspNet)
输入要求 单视角RGB-D点云 需要完整3D模型 多视角点云
泛化能力 目标类别无关 依赖已知物体模型 部分类别依赖
输出形式 6-DOF抓取位姿+置信度 平行夹爪闭合点 SE(3)位姿分布
推理速度
了解本专栏 订阅专栏 解锁全文 超级会员免费看
什么是机器视觉3D无序堆叠抓取
视觉人机器视觉的博客
04-22 554
什么是机器视觉3D无序堆叠抓取
3D无序抓取3D无序抓取
05-16
3D无序抓取
安装gpd（点云库）相关
weixin_46658421的博客
02-19 549
机器人6D抓取姿态检测(GPD)－Ubuntu 16.04 + ROS Kinetic + RGBD + CPU版本的实现 https://blog.youkuaiyun.com/Eeko_x/article/details/104835154 记住一定不要装带有caffe框架的gpd，下载这个https://github.com/sharronliu/gpd/tree/forward 用 git clone 或者直接下都行 ...
【3D无序抓取】--开发工具详解
weixin_45590420的博客
06-12 82
摘要： 《3D无序抓取开发工具全景指南》系统梳理了从算法验证到工业部署的全流程工具链。核心内容包括：工业级仿真平台（如NVIDIA Isaac Sim、PyBullet）的性能对比与代码示例；深度学习框架（PyTorch3D、TensorFlow）的选型指南；点云标注与增强工具实践；硬件接口（工业相机SDK、机械臂控制）的集成方案；以及模型加速（TensorRT、OpenVINO）和ROS2实时优化技巧。该指南通过工具对比表、代码片段和配置命令，提供了一套可提升10倍效率的实战方法论，覆盖开发全生命周期关键
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的博客
02-16 3070
针对非结构化环境中任意位姿的未知物体, 提出了一种基于点云特征的机器人六自由度抓取位姿检测方 法, 以解决直接从点云中获取目标抓取位姿的难题. 首先, 根据点云的基本几何信息生成抓取候选, 并通过力平衡等 方法优化这些候选; 然后, 利用可直接处理点云的卷积神经网络ConvPoint评估样本, 得分最高的抓取将被执行, 其 中抓取位姿采样和评估网络都是以原始点云作为输入; 最后, 利用仿真和实际抓取实验进行测试. 结果表明, 该方法在常用对象上实现了88.33%的抓取成功率。
Moveit Task Constructor GPD抓取架构理解
weixin_41003113的博客
12-16 591
抓取GDP数据
weixin_40903057的博客
07-10 1088
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 2345
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；
机器人6D抓取姿态检测(GPD)－Ubuntu 16.04 + ROS Kinetic + RGBD + CPU版本的实现
热门推荐
Eeko_x的博客
03-13 1万+
@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： ...
【3D无序抓取】--终极技术详解
weixin_45590420的博客
06-12 121
3D无序抓取技术详解：从感知到执行的全流程技术方案 本文系统梳理了3D无序抓取（Bin Picking）的核心技术栈，涵盖3D感知、抓取规划和机器人执行三大环节。在3D感知层，详细介绍了点云采集与预处理方法（PCL/Open3D）、物体分割（PointNet++）和位姿估计（PVN3D/DenseFusion）等关键技术。抓取规划部分重点解析了抓取生成（GraspNet）、质量评估（Dex-Net）和动态避障（MoveIt!）算法。机器人执行环节则涉及路径规划、力控技术和末端执行器选型。同时提供了完整的工具
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
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
【3D无序抓取】--可直接落地的开源代码 + 技术资源全集
weixin_45590420的博客
06-12 81
这篇资源汇总提供了 3D无序抓取（Bin Picking） 的完整开源解决方案，包括工业级代码、核心算法库、数据集和工具链。 主要内容： 开源代码：涵盖UR机械臂抓取、物流箱仿真、6DoF抓取预测等工业场景方案。 算法库：提供物体分割、6D位姿估计、抓取规划等模块化工具，支持快速调用。 数据集：包含YCB-Video、Jacquard等标注数据，适用于模型训练与验证。 工具链：集成RealSense相机驱动、手眼标定等硬件支持工具，可直接部署。 适用于工业分拣、物流抓取等场景，提供从算法开发到实际落地的全流
【3D无序抓取】--模块化算法组件详解
最新发布
weixin_45590420的博客
06-12 75
本文详细解析了3D无序抓取系统的五大核心算法模块：感知模块采用点云降采样和欧式聚类技术，结合Open3D等开源工具实现精确目标识别；抓取生成模块针对不同场景提供平行夹爪、吸盘吸附等多元方案；规划模块整合RRT*算法和MoveIt!框架实现高效避障；控制模块支持力位混合控制以适应精密操作；评估模块通过量化指标持续优化系统性能。每个模块均给出工业级开源实现方案与参数配置建议，为实际部署提供完整技术路线。
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 4740
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...
PointNetGPD：从点云中直接检测抓取配置
gitblog_00326的博客
09-14 753
PointNetGPD：从点云中直接检测抓取配置 项目介绍 PointNetGPD 是一个端到端的抓取评估模型，旨在解决从点云中直接定位机器人抓取配置的难题。该项目在ICRA 2019上首次亮相，并已在arXiv上发布。PointNetGPD通过结合传统采样方法和深度学习技术，能够高效地从点云数据中提取出有效的抓取姿态，并对其进行评分和排序，从而为机器人抓取任务提供可靠的支持。 项目技术分析 Po...
01 GDP历史记录抓取处理并入库案例
VikenBrain的博客
11-04 421
01 项目描述 1. 项目需求 1.1 步骤 1.1.1 抓取GDP历史数据 1.1.2 将抓取的数据通过Pandas这一数据处理工具进行数据清洗 1.1.3 将清洗好的数据存放如mysql数据库 2. 使用工具 Python + Pandas + Xpath 02 代码实现 import requests import time from lxml import etree import pandas as pd from sqla
GPD源码分析
weixin_41003113的博客
12-16 2019
gpd使用示例 先看下面一段代码，为标准gpd算法的使用方法，可以看到输入为点云，cloud_camera_； 输入：std::unique_ptr<gpd::util::Cloud> cloud_camera_ 输出： std::vector<std::unique_ptr<gpd::candidate::Hand>> grasps; // detect grasp poses gpd对象：std::unique_ptr<gpd::GraspDetect.
掌握流程设计：jbpm-gpd-site包深度解析
标题“jbpm-gpd-site包”指的是一组用于设计和管理业务流程的Java中间件包，具体来说，它通常是指JBoss Business Process Management (jBPM) 的流程设计器（Graphical Process Designer，简称GPD）的发布站点包。...
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

打赏作者

X-Vision

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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