原创 剛體6D位姿估計方法綜述
1 引言 剛體的6D位姿估計，是指估計相機座標系下物體的6D位姿，即3D位置和3D姿態，此時物體本身的座標系可以看做是世界座標系，也即得到物體本身座標系到相機系的RT變換。剛體是指物體不會彎曲變形(手)，也不存在活動關節(胳膊)。
2020-06-20 02:01:19
64
原创 物體6D位姿的含義
6D是指6個自由度，代表了3個自由度的位置（也叫平移（Translation）），以及3個自由度的空間旋轉。那麼具體是如何變換的呢？ 如果瞭解相機的內外參，就可以得到下面的表示：Tc=Rcw∗Tw+tcwT_c = R_{cw}
2020-05-14 16:22:09
6
原创 機器人抓取中物體定位算法概述
1. 引言 機器人抓取的首要任務，是確定要抓什麼，也就是需要定位目標物體在輸入數據中的位置。這個過程可以分爲三個層次，分別爲物體定位但不識別、物體檢測、物體實例分割。物體定位但不識別是指獲得目標物體的2D/3D範圍但是不知道物體的
2020-05-07 02:17:36
12
原创 2020-ImVoteNet: Boosting 3D Object Detection in Point Clouds with Image Votes-結合圖像投票提升點雲3D檢測
1. 摘要 這篇文章的第一作者是Charles R. Qi，同時也是PointNet，PointNet++，Frustum PointNets和VoteNet的一作，代碼目前沒有開源。之前進行室內3D檢測的SOTA算法VoteN
2020-02-26 04:57:38
15
原创 【2018ICRA】Robotic Pick-and-Place of Novel Objects in Clutter：雜亂場景下未知物體的抓取
這篇文章發表於2018年的ICRA會議，作者分別爲Princeton和MIT團隊的相關學者，論文有對應的項目網址。 1. 總評 當前主流進行抓取，首先需要recognize目標物體，之後估計6Dpose，再進行抓取。而這篇文章提
2020-02-26 04:57:38
1
原创 【2018CVPR】實時單目6D物體姿態估計
背景 該論文發表於2018年CVPR，解決的問題是：給定單幅RGB圖像，估計圖像中包含目標物體的6DoF位姿；6DoF位姿包括了3維位置和3維空間朝向；傳統方法包括以下兩種：基於RGB圖像的方法，或者使用edge特徵，但對複雜背
2019-10-26 12:47:56
1
原创 【2018ECCV】DeepIM：深度迭代匹配進行物體6D姿態估計
摘要 在機器人操作和虛擬現實應用中，從圖像中估計物體的6D位姿是一個非常重要的問題。鑑於直接從圖像中迴歸得到的物體姿態精度不高，如果將輸入圖像和物體渲染得到的圖像進行匹配，則能夠得到精確的結果。在本文中，作者提出了一種叫做Dee
2019-10-26 12:47:56
2
原创 近年來機器人主流抓取估計方法總結
根據抓取的表示，應用場合等可以將機器人抓取分爲2D平面抓取和6-DoF空間抓取，各自又包含很多方法，下面一一介紹。 1 2D 平面抓取： 適合工業抓取，場景是機械臂豎直向下，從單個角度去抓，抓取通常由平面內的抓取四邊形，以及平面內
2019-10-26 12:47:56
61
原创 基於視覺的機器人抓取: 論文及代碼(Vision-based Robotic Grasping: Papers and Codes)
最近總結了基於視覺的機器人抓取的相關論文及代碼，同步於github。根據抓取的類別，基於視覺的機器人抓取可以分爲兩類：2D平面抓取以及6D空間抓取。這個頁面總結了近年來涉及到的各種各樣的方法，其中大部分都使用了深度學習。總結的中文
2019-10-26 12:47:55
119
原创 3D視覺基本概念
近年來，三維傳感器例如激光雷達、三維掃描儀、深度相機等的發展，使三維數據的獲取越來越容易，這促進了3D視覺技術的飛速發展。3D視覺技術的應用領域包括： 智能無人系統（機器人、無人車、無人機等）：感知、理解周圍環境、實時定位、創
2019-10-26 12:47:55
1
原创 【2019CVPR】CRAVES：通過廉價的視覺系統控制機械臂
該文章發表於2019年CVPR，題目是：CRAVES: Controlling Robotic Arm with a Vision-based Economic System，核心點是使用40美元的廉價無傳感器機械臂進行控制操作。
2019-10-26 12:47:55
1
原创 基於深度學習的3D目標檢測綜述-Deep Learning-Based 3D Detection: A Review
引言 傳統的2D目標檢測，是得到目標物體的類別，以及圖像平面內的包圍盒，因此包含的參數爲類別c，包圍盒的中心(x,y)，長寬(length, width)。 而3D檢測的任務是得到目標物體的類別(Classification)以及
2019-10-26 12:47:55
原创 【2019ICRA】PointNetGPD: 基於PointNet直接從點雲中估計抓取位姿
摘要 本文發表於2019年ICRA，作者提出了一種端到端的抓取位置預測模型，能夠從點雲中估計出機器人的抓取位姿。和當前算法相比，作者提出的PointNetGPD是一種輕量級的網絡模型，能夠處理抓取器閉合區域的點雲，進行抓取質量估
2019-10-26 12:47:55
45
原创 剛體6D姿態估計方法綜述
1 問題描述 對於一個剛體，已有單個視角下的RGB-D數據，恢復相機座標系下物體的6D位姿，即3D位置和3D姿態； 2 問題解析 這類問題通常需要已知物體的3D模型（點雲或網格，紋理情況視方法而定），直觀思路是尋找到單個視角下數據
2019-10-26 12:47:55
1