基于RGB图像的二阶段机器人抓取位置检测方法

随着机械臂在越来越多的场合扮演着重要的角色,准确的抓取位置检测是整个机械臂系统顺利完成任务的关键,为此提出一种以整个图片为输入直接输出结果的端到端实时检测方案.物体的抓取点位置会影响到该物体的抓取角度,基于此给出了一种两阶段预测方案将这两个要素分开预测.首先,建立一个卷积神经网络预测物体的抓取点位置;然后,以抓取点位置为中心采集原图像中的一个方形区域.针对这一区域利用Canny算法以及Hough变换进行边缘提取和直线检测,并提出一种主方向提取算法,分析得到直线,进而确定物体的角度和抓取时平行夹持器张开的间距.抓取位置检测算法给出了基于RGB图像预测的较好准确率,神经网络与传统方法的结合使用也为以后的研究提供了参考.

基于灰朦胧集动态演化的线段特征提取

针对未知环境知识表达问题,模拟人类思维处理空间知识,提出一种基于灰朦胧集动态演化的线段特征提取方法.该方法在具有几何约束的环境中,通过灰朦胧集动态演化形成不同认知阶段表达,逐步消除信息中的不确定性,采用自组织映射和基于灰关联度的主方向提取实现线段特征的信息显化.通过创建室内走廊环境地图检验了所提出方法模拟人类智能对未知环境信息进行表达和推理的有效性.