典型文献
基于最小尺寸点模型的6D位姿估计与机械臂抓取
文献摘要：
针对传统机械臂视觉识别算法识别率低、鲁棒性差、运行时间长等问题,进行了基于深度学习3D目标检测的研究,提出了一种基于最小尺寸点模型的目标检测与姿态估计的抓取方法.该方法基于改进的YOLO算法,同时以所提出的数据集建立方法构建数据集进行训练,通过处理单张RGB图,即可对目标物体进行识别并估计其6D位姿信息,在此基础上再结合路径规划算法对目标物体进行抓取.通过仿真实验证明了该方法能准确地对物体进行分类与位姿估计.在Co602a机械臂下进行了抓取实验,结果证明了该方法的有效性.
文献关键词：
深度学习;机械臂;最小尺寸点模型;目标检测;位姿估计;抓取方法;分类
中图分类号：
作者姓名：
吴继春;方海国;阳广兴;范大鹏
作者机构：
湘潭大学机械工程学院,湖南 湘潭 411150;国防科技大学智能科学学院,湖南 长沙 410073
文献出处：
引用格式：
[1]吴继春;方海国;阳广兴;范大鹏-.基于最小尺寸点模型的6D位姿估计与机械臂抓取)[J].计算机集成制造系统,2022(08):2472-2480
A类：
最小尺寸点模型,Co602a
B类：
6D,位姿估计,机械臂抓取,视觉识别,识别算法,算法识别,识别率,运行时间,目标检测,姿态估计,抓取方法,YOLO,数据集建立,建立方法,单张,RGB,结合路径,路径规划算法,抓取实验
AB值：
0.321464
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
