Sep, 2023

一个用于在杂乱环境中抓取收获的番茄藤的视觉引导机器人系统

PDF
TL;DR对于已经收获的番茄藤条的自动称重和包装存在困难，本文提出了一种方法，通过深度学习视觉系统首先识别存储和运输中以杂乱方式堆放的木箱中的番茄藤条，然后确定适合的抓取位置，并采用在线学习能力的抓取姿势排序算法选择最有前景的抓取姿势，从而实现无需触摸传感器或几何模型的夹持抓取操作，实验结果表明，在实验室测试中，配备了 RGB-D 相机的机械臂机器人能够完全清除堆叠中的所有番茄藤条，93% 的藤条在第一次尝试中成功抓取，而剩下的 7% 需要多次尝试。
发现论文，激发创造
  • 自主草莓采摘机器人系统（Robofruit）

    通过开发具有模块化设计、2.5 维自由度摘取器，以及新型感知系统进行草莓采摘，本文提出的解决方案可以高效、可靠地摘取整个草莓园中的草莓，有效避免了对水果的损害，具有很好的应用前景。

    Jan, 2023

  • 卷积变形器用于自主识别和评分不同照明、遮挡和成熟条件下的番茄

    提出一种新颖的卷积变换框架，使用移动机器人自动识别和评分番茄，通过各种数据集的测试，显示其卓越的性能。

    Jul, 2023

  • 基于目标驱动的 6 自由度抓取技术在混杂环境下的物体操作

    本研究提出了一种基于部分点云观察的，用于在杂乱场景中规划指定物体 6 自由度抓取的方法，其性能比基线方法高出 17.6%，能够成功清理包含 23 个未知物体和 51 次抓取操作的 9 个杂乱桌面场景，并利用我们学习到的碰撞检查模块来推理有效的抓取顺序，以检索不易到达的物体。

    Dec, 2019

  • 多吸盘夹爪的无模型式机器人抓取算法在拣选垃圾箱中的应用

    该论文提出了一种用于多吸盘吸取夹具的无模型预测抓取姿势的新方法，通过神经网络预测了图像中像素级别的抓取质量，进而确定了最佳夹具选择和相应的抓取姿势，同时引入了一种用于训练抓取质量网络的自动标注方法。在具有不同难度的实际工业应用中进行的实验评估证明了我们方法的有效性。

    Jul, 2023

  • 基于视觉的番茄尺寸测量系统在室内大棚种植环境中的应用

    本文提出了一种结合机器学习模型和三个低成本 RGBD 相机捕捉深度图像的大小测量方法，以便检测和测量西红柿的高度和宽度，以解决现有视觉系统在农业环境中的遮挡和可扩展性问题。在实验室环境的测试中，该系统能够实现 0.9114 的高度测量精度和 0.9443 的宽度精度以提高测量准确度。

    Apr, 2023

  • 学习抓握：从某处到任何地方

    通过使用 RGB-D 数据流和视觉技术，本研究提出了一种自动生成并适应新物体姿态的抓取轨迹的方法，通过将轨迹相对于物体框架进行投影，实现了在多个不同机器人设置和物体上的抓取任务的高效执行。

    Oct, 2023

  • 语义感知主动视觉有效搜索和检测相关植物部位

    提出了一种基于语义信息的主动视觉策略，可用于自动收割和除叶番茄作物中的植物部件识别，该策略具有优异的准确性和鲁棒性。

    Jun, 2023

  • 深度学习用于机器人抓取检测

    运用深度学习方法解决机器人抓取问题，通过多模态组规则化结构化正则化权重来处理多模态输入，实现了比之前最先进方法更好的效果，可成功在两个不同的机器人平台上执行抓取。

    Jan, 2013

  • 规划机器人放置以进行物体抓取

    通过利用机器人的可达性、环境的 RGB-D 图像和占用栅格图，提出了一种服务机器人工作流中的机器人位置选择算法，通过选择机器人位置以实现成功抓取目标对象，从而与现有的基线实现相比，改善了机器人在具有挑战性位置上抓取目标物体的能力。

    May, 2024

  • 深度强化学习在复杂环境下的机器人推和取

    本文提出了一种新颖的机器人抓取系统，由气泡吸盘和机械手抓手组成。利用可供性地图提供像素级的气泡吸盘升力点候选物，并引入主动探索机制，设计了一种有效的度量来计算当前可供性地图的奖励，并使用深度 Q 网络（DQN）指导机器人手探索环境，实验结果表明，所提出的机器人抓取系统能够大大提高在混乱场景中的机器人抓取成功率。

    Feb, 2023