Jan, 2023

一种基于距离几何的方法，用于从 RGB 图像恢复机器人关节角度

PDF
TL;DR提出了一种利用单个 RGB 图像来检索机器人手臂的关节角度的新方法，该方法基于运动规划和控制算法所需的准确联合角度数据的收集，将机器人运动与物理空间中的距离几何表示联系起来，利用机器人的运动学模型训练一个浅层神经网络来预测结构关键点间的距离，并通过多维缩小和简单的逆运动学过程来恢复关节角度。本文在 Franka Emika Panda 手臂的真实 RGB 图像上展示了该方法的高效性和稳健的泛化能力，以及该方法可以轻松地与密集的细化技术相结合以获得更好的结果。
发现论文，激发创造
  • ImageManip: 图像基于机器人操作的可支配性导向下一视角选择

    基于图像的机器人操纵系统，利用多个视角捕捉目标物体，推断深度信息以补充其几何信息，采用几何一致性融合视角，实现精确操纵决策。

    Oct, 2023

  • 单张图像中的相机到机器人位姿估计

    使用深度神经网络处理机器人 RGB 图像，实现不需要离线校准的单帧相机位姿估计

    Nov, 2019

  • RGBD 图像中的人体姿态三维估计用于机器人任务学习

    利用 RGBD 图像估算 3D 人体姿态，通过关键点检测器和深度信息实现 3D 提升，在真实环境下通过学习演示框架指示服务机器人模仿人类教师的操作，超越了单眼调色板和深度姿态估计方法的性能。

    Mar, 2018

  • 实时全面的未知状态机器人姿态估计

    通过单个 RGB 图像进行实时机器人姿态估计的端到端流程，无需已知机器人状态，并达到了领先水平的 12 倍速度提升。

    Feb, 2024

  • RGB Matters: 在单目 RGBD 图像上学习 7 自由度抓取姿态

    本文提出了 RGBD-Grasp 方法，通过卷积神经网络 Angle-View Net（AVN）预测抓手的 SO（3）方向和 FAS 模块计算抓手的张开宽度和与抓点的距离，解决机器人领域中的物体抓取问题，并在 GraspNet-1Billion 数据集上取得了最先进的结果。

    Mar, 2021

  • 基于深度学习的多视角图像全身运动学估计

    本文提出了一种基于多视图图像的直接关节角度估计方法，通过结合体态姿势表示法，将旋转表示法映射到一个连续空间中，为现场运动分析提供了一种新的方法。

    Jul, 2023

  • 基于渲染和比较的单视图机器人姿势和关节角度估计

    RoboPose 是一种从单个 RGB 图像估计已知关节机器人的关节角度和 6D 相机到机器人姿态的方法，可用于协作机器人，并使用合成数据进行训练，性能超过现有的技术。

    Apr, 2021

  • 基于黎曼优化的距离几何逆运动学

    本文提出了基于距离几何的逆运动学求解器，并结合 Riemannian 优化算法，初值平滑技术等方法，实现了更高效的求解方法。

    Aug, 2021

  • 通过学习 RGB-D 特征实现鲁棒的 6D 物体姿态估计

    本文提出了一种离散连续的旋转回归公式来解决对称物体旋转不确定性问题，并通过点聚集向量来检测物体位置，并在 LINEMOD 和 YCB-Video 基准测试中得到比现有方法更好的表现。

    Feb, 2020

  • 统一场景表示与手眼标定的三维基础模型

    利用 3D 基础模型，本研究提出了一种名为 JCR 的方法，可以在机器人系统中同时构建环境表示和相机标定，无需专用标定标志，并且是使用低成本的 RGB 相机进行的。

    Apr, 2024