视觉机器人抓取系统中关键问题研究综述

王 一可, 尚 　芳, 孙 　语, 高　 丽*
沈阳城市学院智能与工程学院

摘要


为了提升机器人的智能水平，一些研究学者将计算机视觉技术与深度学习理论引入到机器人领域。利用计
算机视觉技术能够获取机器人所处的周围环境信息及机器人所需要操作的目标物体实例信息，通过智能算法决策可
以控制机器人与周围环境进行交互及对目标物体实例进行操作。随着深度学习技术不断发展，各种深度学习模型在
机器人系统研究中得到了深入的研究，无论是在准确度还是速度方面都得到了飞速的发展。本文针对视觉机器人抓
取系统中的目标检测、相机标定、机器人抓取这3个主要方面现阶段的研究成果进行了综述，并分别对这三方面里
的传统方法与基于深度学习的方法进行归纳总结，本文的研究结果对机器人领域的发展及相关研究具有一定的参考
价值。

关键词


计算机视觉；相机标定；机器人抓取；深度学习

全文:

PDF


参考


[1]V. N. Vapnik, An overview of statistical learning

theory, IEEE Trans. Neural Netw. 1999, 10, 988-999

[2]Freund, Yoav, and Robert E. Schapire. "A desicion-theoretic generalization of on-line learning and an application

to boosting." European conference on computational learning

theory. Springer, Berlin, Heidelberg, 1995:23-37

[3]Levine, Sergey, et al. "Learning hand-eye

coordination for robotic grasping with deep learning and

large-scale data collection." The International Journal of

Robotics Research 37.4-5 (2018): 421-436

[4]Liang, Hongzhuo, et al. "Pointnetgpd: Detecting

grasp configurations from point sets." 2019 International

Conference on Robotics and Automation (ICRA). IEEE,

2019:3629-3635

[5]Varley, Jacob, et al. "Shape completion enabled

robotic grasping." 2017 IEEE/RSJ International Conference

on Intelligent Robots and Systems (IROS). IEEE, 2017:2442-

2447

[6]V. N. Vapnik, An overview of statistical learning

theory, IEEE Trans. Neural Netw. 1999, 10, 988-999


Refbacks

  • 当前没有refback。