機(jī)器人抓取是應(yīng)用最為廣泛的機(jī)器人作業(yè)任務(wù),也是機(jī)器人操作中最具挑戰(zhàn)性的技術(shù)之一。當(dāng)前成熟的機(jī)器人抓取系統(tǒng)多數(shù)針對(duì)結(jié)構(gòu)化操作環(huán)境,且依賴事先獲取的抓取對(duì)象模型規(guī)劃抓取過程,抓取目標(biāo)形狀、姿態(tài)、大小、顏色等特征單一且應(yīng)用場(chǎng)景相對(duì)固定,缺乏靈活性與魯棒性。為適應(yīng)非結(jié)構(gòu)化環(huán)境下未知目標(biāo)抓取的應(yīng)用需求,首先需要攻克未知目標(biāo)抓取位姿的自主檢測(cè)問題。本文針對(duì)未知目標(biāo)物體的自主抓取位姿檢測(cè)展開研究,提出了基于卷積神經(jīng)網(wǎng)絡(luò)的機(jī)器人抓取位姿自主檢測(cè)算法,并進(jìn)行了實(shí)驗(yàn)驗(yàn)證,主要內(nèi)容包括:研究了基于RGB-D圖像的機(jī)器人抓取位姿表示方法,將機(jī)器人三維空間抓取位姿檢測(cè)問題轉(zhuǎn)換為二維圖像檢測(cè)問題。研究二維圖像上的有向矩形框表示方法表示機(jī)器人三維空間抓取位姿,并提出通過限定抓取方向?yàn)槲矬w表面法線方向的方式,結(jié)合RGB-D圖像數(shù)據(jù),將該有向矩形框參數(shù)唯一映射到機(jī)器人三維空間抓取位姿參數(shù)。提出了一種基于滑動(dòng)窗檢測(cè)的抓取位姿檢測(cè)算法,抓取位姿檢測(cè)準(zhǔn)確率較同類型算法有所提高�；诰矸e神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)了一個(gè)抓取位姿抓取置信度判別模型,使用滑動(dòng)窗算法生成的候選抓取位姿進(jìn)行可抓取置信度判定并排序,得到最優(yōu)抓取位姿。該算法在康奈爾抓...

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題來源
    1.2 課題背景、目的及意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 本課題研究?jī)?nèi)容
2 基于RGB-D圖像的機(jī)器人抓取位姿表示方法
    2.1 深度相機(jī)圖像獲取
    2.2 抓取位姿二維表示方法
    2.3 抓取位姿三維空間映射
    2.4 本章小結(jié)
3 基于滑動(dòng)窗檢測(cè)的抓取位姿檢測(cè)算法
    3.1 引言
    3.2 抓取訓(xùn)練數(shù)據(jù)集
    3.3 滑動(dòng)窗檢測(cè)方法
    3.4 算法模型
    3.5 模型訓(xùn)練及測(cè)試分析
    3.6 本章小結(jié)
4 基于深度殘差網(wǎng)絡(luò)的抓取位姿檢測(cè)算法
    4.1 引言
    4.2 數(shù)據(jù)擴(kuò)增
    4.3 遷移學(xué)習(xí)
    4.4 算法模型
    4.5 模型訓(xùn)練及測(cè)試分析
    4.6 本章小結(jié)
5 機(jī)器人抓取位姿檢測(cè)算法實(shí)驗(yàn)驗(yàn)證
    5.1 引言
    5.2 實(shí)驗(yàn)硬件平臺(tái)搭建
    5.3 實(shí)驗(yàn)軟件系統(tǒng)設(shè)計(jì)
    5.4 實(shí)物抓取實(shí)驗(yàn)及分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 課題展望
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間取得的研究成果



本文編號(hào)：4016926