期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
考虑点云骨架特征的未知物体六自由度抓取
1
作者
吴航
谢远龙
+2 位作者
王书亭
魏棋斌
熊体凡
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024年第7期870-878,共9页
针对机械臂在非结构化环境下对未知物体生成稳定抓取位姿困难的问题,文章提出一种基于点云骨架特征的未知物体六自由度抓取方法。首先,通过深度相机获取包含物体的场景单视角点云,并在物体表面随机采样得到初始采样点,设计考虑L1中值骨...
针对机械臂在非结构化环境下对未知物体生成稳定抓取位姿困难的问题,文章提出一种基于点云骨架特征的未知物体六自由度抓取方法。首先,通过深度相机获取包含物体的场景单视角点云,并在物体表面随机采样得到初始采样点,设计考虑L1中值骨架提取的迭代移动采样算法,保证抓取点最终均匀排布在物体的骨架上;然后,利用骨架点的分布信息和骨架点周围点云的几何信息生成候选抓取位姿,根据抓取器与物体之间的位置关系,使用启发式评价函数评估抓取位姿,从而保证位姿的最优化采样;最后,对不同形状的物体进行仿真实验和实际抓取试验。测试结果表明,文章所提方法可以对常见物体生成稳定的抓取位姿,并能有效拓展到更多形状复杂的未知物体。
展开更多
关键词
非结构化环境
六自由度抓取
点云骨架特征
几何信息
启发式评价函数
下载PDF
职称材料
基于深度强化学习的机械臂动态目标抓取方法
2
作者
张轩
卢惠民
+4 位作者
任君凯
莫新民
肖浩然
张伟杰
杨璇
《兵工自动化》
北大核心
2024年第6期91-96,共6页
针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建...
针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基于Pybullet构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试,并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明:该方法能实现机械臂对动态目标的六自由度抓取,在抓取成功率和速度上具有优势。
展开更多
关键词
动态目标
抓取
马尔科夫
轨迹规划
深度强化学习
六自由度抓取
下载PDF
职称材料
杂乱场景下小物体抓取检测研究
3
作者
孙国栋
贾俊杰
+1 位作者
李明晶
张杨
《中国图象图形学报》
CSCD
北大核心
2024年第2期468-477,共10页
目的 杂乱场景下的物体抓取姿态检测是智能机器人的一项基本技能。尽管六自由度抓取学习取得了进展,但先前的方法在采样和学习中忽略了物体尺寸差异,导致在小物体上抓取表现较差。方法 提出了一种物体掩码辅助采样方法,在所有物体上采...
目的 杂乱场景下的物体抓取姿态检测是智能机器人的一项基本技能。尽管六自由度抓取学习取得了进展,但先前的方法在采样和学习中忽略了物体尺寸差异,导致在小物体上抓取表现较差。方法 提出了一种物体掩码辅助采样方法,在所有物体上采样相同的点以平衡抓取分布,解决了采样点分布不均匀问题。此外,学习时采用多尺度学习策略,在物体部分点云上使用多尺度圆柱分组以提升局部几何表示能力,解决了由物体尺度差异导致的学习抓取操作参数困难问题。通过设计一个端到端的抓取网络,嵌入了提出的采样和学习方法,能够有效提升物体抓取检测性能。结果 在大型基准数据集GraspNet-1Billion上进行评估,本文方法取得对比方法中的最优性能,其中在小物体上的抓取指标平均提升了7%,大量的真实机器人实验也表明该方法具有抓取未知物体的良好泛化性能。结论 本文聚焦于小物体上的抓取,提出了一种掩码辅助采样方法嵌入到提出的端到端学习网络中,并引入了多尺度分组学习策略提高物体的局部几何表示,能够有效提升在小尺寸物体上的抓取质量,并在所有物体上的抓取评估结果都超过了对比方法。
展开更多
关键词
六自由度抓取
采样策略
多尺度学习
点云学习
深度学习
原文传递
题名
考虑点云骨架特征的未知物体六自由度抓取
1
作者
吴航
谢远龙
王书亭
魏棋斌
熊体凡
机构
华中科技大学机械科学与工程学院
出处
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024年第7期870-878,共9页
基金
国家重点研发计划资助项目(2020YFB1708300)
国家自然科学基金资助项目(52105019)
国家自然科学基金区域创新发展联合基金资助项目(U21A20151)
文摘
针对机械臂在非结构化环境下对未知物体生成稳定抓取位姿困难的问题,文章提出一种基于点云骨架特征的未知物体六自由度抓取方法。首先,通过深度相机获取包含物体的场景单视角点云,并在物体表面随机采样得到初始采样点,设计考虑L1中值骨架提取的迭代移动采样算法,保证抓取点最终均匀排布在物体的骨架上;然后,利用骨架点的分布信息和骨架点周围点云的几何信息生成候选抓取位姿,根据抓取器与物体之间的位置关系,使用启发式评价函数评估抓取位姿,从而保证位姿的最优化采样;最后,对不同形状的物体进行仿真实验和实际抓取试验。测试结果表明,文章所提方法可以对常见物体生成稳定的抓取位姿,并能有效拓展到更多形状复杂的未知物体。
关键词
非结构化环境
六自由度抓取
点云骨架特征
几何信息
启发式评价函数
Keywords
unstructured environment
six-degree-of-freedom grasping
point cloud skeleton features
geometric information
heuristic evaluation function
分类号
TP242.6 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于深度强化学习的机械臂动态目标抓取方法
2
作者
张轩
卢惠民
任君凯
莫新民
肖浩然
张伟杰
杨璇
机构
西北机电工程研究所人体增强技术创新中心
国防科技大学智能科学学院
出处
《兵工自动化》
北大核心
2024年第6期91-96,共6页
文摘
针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基于Pybullet构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试,并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明:该方法能实现机械臂对动态目标的六自由度抓取,在抓取成功率和速度上具有优势。
关键词
动态目标
抓取
马尔科夫
轨迹规划
深度强化学习
六自由度抓取
Keywords
dynamic target grasping
Markov
trajectory planning
deep reinforcement learning
six-degree-of-freedom grasping
分类号
TP241 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
杂乱场景下小物体抓取检测研究
3
作者
孙国栋
贾俊杰
李明晶
张杨
机构
湖北工业大学机械工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2024年第2期468-477,共10页
基金
国家自然科学基金项目(51775177)。
文摘
目的 杂乱场景下的物体抓取姿态检测是智能机器人的一项基本技能。尽管六自由度抓取学习取得了进展,但先前的方法在采样和学习中忽略了物体尺寸差异,导致在小物体上抓取表现较差。方法 提出了一种物体掩码辅助采样方法,在所有物体上采样相同的点以平衡抓取分布,解决了采样点分布不均匀问题。此外,学习时采用多尺度学习策略,在物体部分点云上使用多尺度圆柱分组以提升局部几何表示能力,解决了由物体尺度差异导致的学习抓取操作参数困难问题。通过设计一个端到端的抓取网络,嵌入了提出的采样和学习方法,能够有效提升物体抓取检测性能。结果 在大型基准数据集GraspNet-1Billion上进行评估,本文方法取得对比方法中的最优性能,其中在小物体上的抓取指标平均提升了7%,大量的真实机器人实验也表明该方法具有抓取未知物体的良好泛化性能。结论 本文聚焦于小物体上的抓取,提出了一种掩码辅助采样方法嵌入到提出的端到端学习网络中,并引入了多尺度分组学习策略提高物体的局部几何表示,能够有效提升在小尺寸物体上的抓取质量,并在所有物体上的抓取评估结果都超过了对比方法。
关键词
六自由度抓取
采样策略
多尺度学习
点云学习
深度学习
Keywords
six degrees-of-freedom grasping
sampling strategy
multiscale learning
point cloud learning
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
考虑点云骨架特征的未知物体六自由度抓取
吴航
谢远龙
王书亭
魏棋斌
熊体凡
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
2
基于深度强化学习的机械臂动态目标抓取方法
张轩
卢惠民
任君凯
莫新民
肖浩然
张伟杰
杨璇
《兵工自动化》
北大核心
2024
0
下载PDF
职称材料
3
杂乱场景下小物体抓取检测研究
孙国栋
贾俊杰
李明晶
张杨
《中国图象图形学报》
CSCD
北大核心
2024
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部