<noframes id="zn9jn"><form id="zn9jn"><nobr id="zn9jn"></nobr></form>

    <form id="zn9jn"></form><address id="zn9jn"><address id="zn9jn"></address></address>

    <sub id="zn9jn"><listing id="zn9jn"><listing id="zn9jn"></listing></listing></sub>

      <address id="zn9jn"></address>

      <address id="zn9jn"><address id="zn9jn"></address></address>
        <address id="zn9jn"></address>

        智能機器人的2種主流抓取解決方案

        來源: 時間:2022-07-20 11:06:38 瀏覽次數:

        當前機器人操作中的核心難題,歸納起來就是這么一件事:找到合適的抓取點(或吸附點),抓住它。之后的轉運執行,則屬于運動規劃的分支。
        當前機器人操作中的核心難題,歸納起來就是這么一件事:找到合適的抓取點(或吸附點),抓住它。之后的轉運執行,則屬于運動規劃的分支。


        01、Model-based(基于模型的方法)


        這種方法很好理解,即知道要抓什么,事先采用實物掃描的方式,提前將模型的數據給到機器人系統,機器在實際抓取中就只需要進行較少的運算:


        1. 離線計算:根據搭載的末端類型,對每一個物體模型計算局部抓取點;


        2. 在線感知:通過RGB或點云圖,計算出每個物體的三維位姿;


        3. 計算抓取點:在真實世界的坐標系下,根據防碰撞等要求,選取每個物體的最佳抓取點。


        RGB顏色空間由紅綠藍三種基本色組成,疊加成任意色彩,同樣地,任意一種顏色也可以拆解為三種基本色的組合,機器人通過顏色坐標值來理解“顏色”。這種方式與人眼識別顏色的方向相似,在顯示屏上廣泛采用。



        02、Half-Model-based(半模型的方法)


        在這種訓練方式中,不需要完全預知抓取的物體,但是需要大量類似的物體來訓練算法,讓算法得以在物品堆中有效對圖像進行“分割”,識別出物體的邊緣。這種訓練方式,需要這些流程:


        1.離線訓練圖像分割算法,即把圖片里的像素按物體區分出來,此類工作一般由專門的數據標注員來處理,按工程師的需求,標注出海量圖片中的不同細節;


        2.在線處理圖像分割,在人工標注出的物體上,尋找合適的抓取點。


        這是一種目前應用較為廣泛的方式,也是機械臂抓取得以推進的主要推力。機械臂技術發展緩慢,但計算機視覺的圖像分割則進展迅速,也從側面撬動了機器人、無人駕駛等行業的發展。


        這種訓練方式不涉及到“物體”的概念,機器直接從RGB圖像或點云圖上計算出合適的抓取點,基本思路就是在圖像上找到Antipodal(對映點),即有可能“抓的起來”的點,逐步訓練出抓取策略。

        Copyright    ©     廣州市品坤信息科技有限責任公司    版權所有    粵ICP備17091346號
        久久久久久113免费热视频