适应性抓地摆设优化机器人武器使用低成本的深度传感器在复杂的环境中
Aiguo Chen1,2, Xuanfeng Li1,2, Kerui Cen1,2
1Faculty of Innovation Engineering, Macau University of Science and Technology, Taipa, Macau SAR 999078, China.
Sensors (Basel, Switzerland)
|February 13, 2025
概括
本研究介绍了使用圆形建模的机器人手臂的高效掌握姿势估计算法. 它实现了高成功率和提高效率,即使使用低成本的传感器和杂的数据.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 传统的深度学习方法与数据依赖性和低精度点云作斗争.
- 有效可靠的掌握姿势估计对于机器人手臂应用至关重要.
研究的目的:
- 开发一个高效的掌握姿势估计算法用于使用圆模型的机器人手臂.
- 克服深度学习方法在数据依赖性和效率方面的局限性.
主要方法:
- 该算法对目标对象进行细分,并采用三阶段的优化过程.
- 圆模型是用于主要轴的初步估计.
- 非线性优化改进了六度自由度的抓住姿势.
主要成果:
- 在模拟中实现了超过83%的目标掌握成功率 (TGSR),与GPD和PointNetGPD相比显著改进.
- 在现实世界的测试中显示了95-100%的成功率.
- 与深度学习方法相比,计算效率提高了56.3%.
结论:
- 拟议的圆形建模方法提供稳定可靠的抓取性能.
- 该算法适用于实时应用,即使使用低成本的传感器和杂的环境.


