【摘 要】
：
在机器人抓取的研究领域中,生成待抓取物的抓取位姿是关键环节,如何在不同场景下稳定地生成精确抓取位姿是该领域研究的一个核心问题。本文将基于深度学习理论的目标检测算法Faster R-CNN应用到待抓取物检测环节,并利用数字图像处理与抓取时力封闭的思想,提出一种面向二指末端夹持器的抓取位姿计算方法,通过实际抓取实验验证了整个系统的抓取效果。本文使用Faster R-CNN目标检测算法对待抓取物进行位置
论文部分内容阅读
在机器人抓取的研究领域中,生成待抓取物的抓取位姿是关键环节,如何在不同场景下稳定地生成精确抓取位姿是该领域研究的一个核心问题。本文将基于深度学习理论的目标检测算法Faster R-CNN应用到待抓取物检测环节,并利用数字图像处理与抓取时力封闭的思想,提出一种面向二指末端夹持器的抓取位姿计算方法,通过实际抓取实验验证了整个系统的抓取效果。本文使用Faster R-CNN目标检测算法对待抓取物进行位置检测,对Faster R-CNN的网络架构及损失函数进行了分析,在此基础上使用Tensorflow-GPU深度学习框架设计了针对水果数据集的离线训练,通过测试数据集验证了网络离线训练后的泛化性能。建立了以针孔相机模型为基础的Kinect V2.0传感器图像匹配方法;根据二指末端夹持器抓取时的数学模型,采用数字图像处理思想提出一种面向二指末端夹持器的抓取位姿计算方法,该方法能在满足抓取时力封闭原则下生成待抓取物的抓取位姿。分析了手眼标定理论,采用最小二乘法构建了相机坐标系与机器人基座标系之间的映射关系;构建了基于五自由度机械臂的机器人正/逆运动学模型,通过仿真对比实验证明了所构建模型的正确性。完成了实验平台的搭建,将不同子系统的结果进行了组合,并通过实际抓取实验验证了整个系统的可行性与有效性。
其他文献
随着国内工业和经济的发展,并联机器人技术日益成熟。相比串联机器人负载轻、存在累积误差的缺陷,并联机器人因其高速加工、无累积误差、重负载等特性被广泛应用于生产线分拣、装配及车床等加工工况。国内对并联机器人的研究较晚,整体技术尚未达到世界顶级水平,为缩小并联机器人与国外在工业领域上的差距,加强对国内并联机器人核心技术的研发显得尤为重要。轨迹规划作为并联机器人的底层算法,研究其原理及在控制系统上的实现对
近些年,随着移动互联网用户数量不断增加以及移动网络规模不断壮大,使得我们对数据传输速度及流量需求越来越高。然而,用于移动通信的无线频谱资源却是有限的,无线频谱资源的稀缺或将成为移动通信的瓶颈。目前人们提出了D2D（Device-to-Device）通信可以有效解决这个问题。而D2D通信技术设计面临的问题之一是如何将具有不同代价的资源块最优地分配到动态通信网络中的设备上,以最小代价实现资源块的重用。
蛋白质在不同的真核细胞内执行各种各样的功能。因此,蛋白质序列分类预测是计算生物学领域研究比较深入的问题,了解蛋白质功能的重要性已经引起了研究者们对提高蛋白质分类预测能力的关注。随着多种计算方法的出现,提高蛋白质分类的预测效率已成为人们关注的焦点。为了解决这个问题,有两种比较有效的解决方案:寻找强大最优的属性集和采用强大的预测神经网络模型工作。例如,在过去,一些生物信息学研究人员使用具有强特征集的机
近年来,数据泄露攻击事件爆发,给被攻击企事业单位造成了巨大损失。借助DNS协议良好的隐蔽性和穿透能力实施数据窃取,逐渐成为诸多APT组织所青睐的攻击TTPs。在网络边界监测DNS流量进而精准地发现潜在的攻击行为,已成为企事业单位急需建立的网络防御能力。AI赋能网络安全能够有效提升防御能力,攻击数据的规模、质量等问题制约着AI检测模型的训练,已经成为限制模型性能的一个重要因素。尤其是利用DNS完成A
文言文是我国优秀传统文化的重要载体,对于激发学生的爱国情怀、塑造学生正确的价值观念、提升学生的审美鉴赏能力、传承与弘扬民族文化等方面发挥着独特作用,具有极高的教育价值。但就目前的文言文的教学现状来看,还有一些亟待改善的问题。文言文比较阅读教学试图突破传统教学的束缚,为当下的文言文教学注入一些活力,提高初中文言文教学效率。本文主要采取文献分析法、实践总结法、案例分析法,以初中文言文比较阅读教学的理论
光伏发电技术的不断提高,加快了对太阳能的利用。在光伏电池片生产制造过程中,无法避免地会产生影响到电池片光电转化性能和使用寿命的各种缺陷。传统人工目检存在检测速度慢、反应不及时、浪费成本等问题,已经难以适应电池片降成本、快精准的检测需求。本文以镀膜工序光伏电池片为研究对象,研究基于机器视觉技术的电池片缺陷检测系统,建立以电池片图像获取、预处理、常规算法结合深度学习算法、软件开发为核心的在线检测系统,
自上个世纪70年代以来,广义系统理论已经逐渐发展成为当今最重要的控制理论分支之一。广义系统以其强大的实际应用背景,吸引了国内外学者的关注。相对于正常系统,广义系统的丰富结构特征和特有性质都是源于其差分（导数）矩阵的奇异性。然而,由于实际系统中常常存在着诸多不确定性因素,致使广义系统的差分（导数）矩阵也像系统的其它矩阵一样可能出现参数摄动。同时,与传统的控制系统相比,鉴于具有更复杂结构和参数的变化,
心血管疾病是威胁人类健康的元凶之一,如何消除心血管疾病的危害是世界医学领域关注的重要问题之一。传统的插管治疗,会给患者带来极大痛苦,微创手术凭借创伤小、术后易恢复等优点成为医学研究热点。而将微创手术与血管机器人结合应用于人体治疗,逐步成为医学界研究主流趋势,具有极大应用潜力。本文对外磁场驱动螺旋血管机器人进行研究,为解决血管机器人驱动问题,文中采用一种较安全的三轴亥姆霍兹线圈作为磁驱动模块,综合考
联邦学习通过对分布在多方用户本地的数据进行协作学习,可以有效解决数据“孤岛”问题。在联邦学习训练过程中,用户之间只需要通过模型参数信息或者梯度信息来进行交互学习,而不直接接触其他客户端本地私有的数据。然而,联邦学习仍面临一系列的安全与隐私挑战,包括数据的成员推理攻击、模型窃取与投毒攻击等。本论文针对联邦学习中的数据隐私问题进行研究,由于联邦学习中用户需要在本地训练并将模型参数提交给服务器聚合,从而
随着科学与技术发展,云计算引起各行业学者广泛关注。云计算资源调度问题逐渐多机器化与多阶段化。如云计算模型中数据可由多个服务器传输,并且数据传输路径是可分为两阶段,外存储器传输至云服务器,云服务器经过网络传输给用户,该模型是典型的多机器环境下的两阶段调度问题。目前,国内外对于多机器环境下的两阶段调度问题主要的研究目标为最小化最大完成时间,而以最大收益为目标的研究少之又少。因此本文将研究多机器环境下两