检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

32 篇 学位论文
10 篇 期刊文献

馆藏范围

42 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

42 篇 工学
- 38 篇 机械工程
- 18 篇 仪器科学与技术
- 9 篇 控制科学与工程
- 7 篇 软件工程
- 6 篇 计算机科学与技术...
- 2 篇 信息与通信工程
- 2 篇 航空宇航科学与技...
- 1 篇 光学工程
- 1 篇 电子科学与技术（可...
- 1 篇 船舶与海洋工程
9 篇 管理学
- 9 篇 管理科学与工程(可...
2 篇 艺术学
- 2 篇 设计学（可授艺术学...

主题

42 篇 6d位姿估计
13 篇 深度学习
3 篇 三维重建
3 篇 弱纹理物体
3 篇 点云配准
2 篇 rgb-d
2 篇 注意力机制
2 篇 epi图像栈
2 篇 点对特征
2 篇 点云
2 篇 单目视觉
2 篇 目标检测
2 篇 关键点
2 篇 物体识别
2 篇 弱纹理
2 篇 特征融合
2 篇 机械臂抓取
2 篇 光场
2 篇 仿真数据集
1 篇 点云处理

机构

4 篇 北京邮电大学
4 篇 广东工业大学
2 篇 湖南大学
2 篇 上海理工大学
2 篇 河南大学
2 篇 电子科技大学
2 篇 合肥工业大学
1 篇 上海工程技术大学
1 篇 上海师范大学
1 篇 东南大学
1 篇 沈阳工业大学
1 篇 重庆理工大学
1 篇 广西大学
1 篇 四川大学
1 篇 西南交通大学
1 篇 上海交通大学
1 篇 西安电子科技大学
1 篇 哈尔滨工业大学
1 篇 浙江科技大学
1 篇 机械科学研究总院

作者

2 篇 李扬
2 篇 黄榕彬
2 篇 王晨露
1 篇 张成威
1 篇 龚道雄
1 篇 王金聪
1 篇 li yang
1 篇 端木慧娉
1 篇 孙晗松
1 篇 王赞
1 篇 袁康祥
1 篇 gong dao-xiong
1 篇 范之国
1 篇 zhang xudong
1 篇 赵曼佐
1 篇 陈莹
1 篇 陈立家
1 篇 jia di
1 篇 汤普然
1 篇 wang shen-long

语言

42 篇 中文

检索条件"主题词=6D位姿估计"

共 42 条记录，以下是11-20 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向机器人抓取的目标物体6d位姿估计

面向机器人抓取的目标物体6D位姿估计

引用

作者：高欢北京邮电大学

学位级别：硕士

6d位姿估计是计算机视觉领域的关键技术,能够获取被估计目标的完全空间信息,广泛应用于智能机器人操作、智能装配、航天靶标识别、目标追踪等现代化的科技领域。针对目标物体6d位姿估计准确率低及对复杂环境适应性差等问题,从传统图像... 详细信息

6d位姿估计是计算机视觉领域的关键技术,能够获取被估计目标的完全空间信息,广泛应用于智能机器人操作、智能装配、航天靶标识别、目标追踪等现代化的科技领域。针对目标物体6d位姿估计准确率低及对复杂环境适应性差等问题,从传统图像特征方法和深度学习方法两个方面入手,对位姿估计技术进行深入研究并进行理论创新,提出面向弱纹理图像的自适应多邻域特征点算法以及一种最小化距离损失的投票网络,并通过多场景实验验证算法的优越性,主要工作如下:(1)针对现有特征点算法面对弱纹理图像时无法提取有效描述子,特征匹配准确率低等问题,从图像结构信息出发,提出一种适应多种纹理图像的新的描述子AMST(Adaptive Multi-neighborhood Structure Tensor)。该描述子基于多个图像邻域及其结构张量,多层次地表达图像纹理信息,解决弱纹理场景下特征提取与匹配问题;同时,通过特征点密度自适应邻域数量,利用Hessian矩阵进行特征点筛选,提高算法实时性及稳定性。(2)针对现有位姿估计网络准确率低,对复杂场景适应性差等问题,搭建一种高效地、能够有效处理遮挡等复杂问题的6d估计神经网络 MdL(A voting network that Minimum distance Loss)。MdL设计为投票网络,能够最大程度预测不可见关键点;在一般方向损失的基础上,提出使用距离损失,降低像素到关键点的距离对投票的影响,提高预测精度;网络整体采用残差结构,改善梯度消失、梯度弥散等问题;通过FPS算法选取关键点,增强算法对不同环境的适应性。(3)实现基于AMST与MdL的6d位姿估计,两种算法的目标是预测分布于目标物体表面的2d点,在此基础上,解决PnP问题获取目标6d位姿。采用PnP的改进版本EPnP算法进行6d位姿求解,其核心思想是将三维坐标点表示为四个控制点的组合,只针对四个控制点进行优化,以提高计算效率,并且求解时最多可考虑四个奇异向量,实现高精度解算。(4)基于AMST及MdL位姿估计算法,在AUBO-i5机械臂以及zed相机的硬件基础下,搭建完整的抓取系统,进一步验证位姿估计的准确性,测试算法在实际应用中的有效性。论文在上述理论研究基础上进行了大量实验,包括AMST多种纹理图像测试实验、AMST和MdL算法分别与其它经典算法对比实验、AMST与MdL的对比实验、基于AMST及MdL的位姿估计实验以及抓取实验等,通过实验验证算法的准确性及对复杂环境的适应性。

关键词： 6d位姿估计自适应多邻域距离损失抓取系统

来源：评论

学校读者我要写书评

暂无评论

基于视觉6d位姿估计的异构多机器人协同系统研究

基于视觉6D位姿估计的异构多机器人协同系统研究

引用

作者：张树宽沈阳工业大学

学位级别：硕士

多异构机器人系统相比于单机器人系统具有任务扩展性、系统容错性、系统鲁棒性。具有广泛的应用场景和巨大的市场价值。本文面向多异构机器人系统,重点研究其视觉定位问题以及多机器人协同问题。针对视觉定位问题,本文提出一种基于改进Y... 详细信息

多异构机器人系统相比于单机器人系统具有任务扩展性、系统容错性、系统鲁棒性。具有广泛的应用场景和巨大的市场价值。本文面向多异构机器人系统,重点研究其视觉定位问题以及多机器人协同问题。针对视觉定位问题,本文提出一种基于改进Yolov8的两阶段物体位姿估计方法,并通过deep SORT算法对多机器人进行视觉跟踪。针对多机器人协同问题,本文基于领航-跟随算法和快速扩展随机树(RRT)路径规划算法对多异构机器人进行协同方法设计,提升协同系统有序性。最后通过仿真与实验进行验证,阐述系统的可行性。本文总体研究内容与创新点如下: (1)首先通过ROS平台搭建多异构机器人通信框架,以集中式结构搭建多机器人结构体系。其次,以麦克纳姆轮底盘、两轮差速底盘、三轮全向底盘三类异构机器人作为多机器人系统的执行机构,建立其运动模型并通过Coppeliasim软件进行仿真。 (2)针对当前视觉定位系统所面临的多种局限,如目标检测单一、目标信息匮乏、实时性低等难以满足多机器人系统定位需求的问题,本文提出一种基于改进Yolov8的两阶段位姿估计方法。该方法可通过2d图像实时获取机器人类别、关键点、6d位姿等信息。此外,针对物体在图像流中跟踪一致性问题,本文基于deep SORT算法对机器人在每帧图像中赋予相同的跟踪id。最后通过实验结果验证该方法在提高多机器人整体定位精度、增强协同作业效率以及适应动态环境变化等方面的优越性。 (3)针对多机器人协同及运动过程有序性问题,本文基于领航-跟随算法和RRT路径规划算法提出一种编队-规划-行进-再规划的多机器人协同模式。其次,结合视觉定位系统,可以实现多机器人编队和以目标物体为协作点的多机器人路径规划,进而保证不同功能特性的机器人被合理配置于目标物体周围的适宜位姿,使多异构机器人系统具有更高的协同效率和更广泛的应用场景。 (4)通过Coppeliasim软件对基于领航-跟随算法和RRT路径规划的编队-规划-行进-再规划的多机器人协同模式进行仿真验证。仿真结果表明该方法可以控制多个异构机器人到达目标物体周围的适宜位姿,并且较大程度提高协作过程中的有序性。其次对基于视觉定位系统的多机器人编队和多机器人路径规划进行实物验证,通过实验分析,基于视觉定位的多异构机器人系统,在保证系统协同稳定的同时,为多异构机器人的应用提供更多可能。

关键词：多异构机器人系统机器人定位 6d位姿估计神经网络多机器人协同

来源：评论

学校读者我要写书评

暂无评论

基于点云数据的船舶目标6d位姿估计

基于点云数据的船舶目标6D位姿估计

引用

作者：宋浩哈尔滨工程大学

学位级别：硕士

6d位姿估计是计算机视觉技术的重要研究分支,物体的位姿由三维位置和三维方向角组成。特别是在船舶感知领域,智能化成为船舶发展的主要方向,对船舶航行态势的感知更是智能船舶技术的关键环节。对海上视觉监控来说,随着海事活动的活跃,... 详细信息

6d位姿估计是计算机视觉技术的重要研究分支,物体的位姿由三维位置和三维方向角组成。特别是在船舶感知领域,智能化成为船舶发展的主要方向,对船舶航行态势的感知更是智能船舶技术的关键环节。对海上视觉监控来说,随着海事活动的活跃,人工监测难以客观判断船舶等级、意图和船舶状态等,因此能够提供态势感知、威胁评估甚至辅助决策的智能视觉监控系统在海上管理和监测任务中具有重要意义。对船舶目标的6d位姿估计是智能感知系统的关键环节,因此,本文开展船舶目标的6d位姿估计。针对船舶目标的点云场景,提出端到端的6d位姿估计算法,对船舶目标进行6d位姿估计。首先,构建了海上船舶目标点云数据集。总结了目前可用于深度学习领域的船舶数据集,这些数据集都是基于RGB图像的且对6d位姿的训练标签缺失;而现有的点云数据集均不包含船舶点云数据。为解决目前没有公开的海上船舶点云数据集的问题,基于ROS机器人操作系统和Gazebo仿真平台模拟真实激光雷达扫描过程,自行构建了可用于海上场景点云数据集,并进行6d位姿标注,为后续船舶目标6d位姿估计奠定基础。然后,研究了基于点云数据的船舶目标特征提取技术。在研究了Voxel Net体素化算法以及Point Net++算法原理的基础上,对Point Net++进行了改进,即在网络结构中采用四层Set Abstraction结构对原始点云进行特征提取,将原始点云编码为具有高维特征的向量表示。在自建的船舶点云数据集以及公开数据集Model Net40中对Voxel Net、Point Net++和改进Point Net++进行了实验验证,实验结果证明了改进的Point Net++特征提取算法的有效性。其次,提出了一种端到端的船舶目标6d位姿估计算法。算法通过改进的Point Net++点云特征提取网络作为主干网络,在三维目标检测Point RCNN的基础上设计了一种新的姿态回归网络分支,融合Point RCNN的三维边框输出包含3d角度的6d位姿估计结果。此外,还对算法中的损失函数进行设计,进行新的6d位姿估计网络训练,最终实现船舶目标的六自由度姿态估计。最后,完成了点云6d位姿估计综合实验与分析。基于自建的船舶点云数据集,对本文提出的端到端的6d位姿估计网络进行训练,在此基础上实现了对不同海上场景下船舶目标位姿的精确估计;又将本文算法与Point RCNN、聚类算法进行实验对比分析,验证了本文算法的优越性;并基于公开的YCB-video数据集,将本文算法与其他5种基于深度学习的6d位姿估计算法进行实验对比分析,实验结果表明本文算法在估计精度和算法复杂度两方面均优于其他算法。

关键词： 6d位姿估计船舶点云目标姿态回归网络点云特征提取 ROS

来源：评论

学校读者我要写书评

暂无评论

无序抓取场景下的物体6d位姿估计研究

无序抓取场景下的物体6D位姿估计研究

引用

作者：杨宗兴深圳大学

学位级别：硕士

随着科学水平的发展和制造业的不断转型升级,机器视觉在以工业机器人为代表的智能制造领域得到越来越广泛的应用。而无序抓取作为工业生产中的一类典型应用场景,使用机械臂代替人工完成对目标物体拾取的任务,既能解放劳动力,又能够优化... 详细信息

随着科学水平的发展和制造业的不断转型升级,机器视觉在以工业机器人为代表的智能制造领域得到越来越广泛的应用。而无序抓取作为工业生产中的一类典型应用场景,使用机械臂代替人工完成对目标物体拾取的任务,既能解放劳动力,又能够优化生产效率。而在机械臂无序抓取过程中,一套高效且稳定的位姿估计算法十分关键,虽然近年来,由于3d视觉的普及,许多6d位姿估计算法被提出,但面对复杂的工业生产环境,这些算法仍存在一些问题,比如鲁棒性不足,难以处理阴影和弱纹理等情况。同时,针对于目前一些深度学习相关的算法,训练模型所需的数据集的构建也是一个繁杂的问题。本文面向于无序抓取的场景,针对以上相关问题开展了相关研究工作。主要研究内容如下: (1)针对深度学习中目标场景数据集构建困难的问题,结合虚拟仿真技术,利用Isaac Sim平台搭建了一套虚拟仿真数据集的生成系统。通过在虚拟环境中搭建目标场景,并结合内置的物理引擎模拟工件的无序随机掉落情况,最终在GTX3090,显存为12G的显卡中平均7s生成一张虚拟数据集,能快速高效地生成高度仿真的目标场景虚拟数据集,极大地降低了模型数据集构建和模型部署的时间成本。同时,数据集中提供的RGB、mask和深度等丰富信息能够用于各项不同目的的深度学习任务。 (2)实例分割方面,在Mask RCNN网络模型的基础上进行改进,加入了Point Rend模块和注意力机制,提高了分割过程中的识别率尤其是物体边缘的识别准确率。同时,针对于目标场景弱纹理且会有阴影存在的情况,利用场景的深度信息对模型的输入进行了更改,由场景深度信息进行计算得到法向信息,替代原有网络模型中的RGB纹理信息作为输入,使模型能够学习目标物体的形貌特征。对比消融实验表明,改进的算法在目标场景中具有更好的性能。 (3)面向于工业零件无序抓取的目标场景,以RGB-d信息作为输入,将传统方法和深度学习技术相结合,搭建一套高鲁棒性的物体6d位姿估计算法。首先使用以实例分割模型对目标工件进行实例分割,接着结合场景深度图计算得到场景中实例工件的点云信息。针对每一个实例,根据已有的目标工件模板,使用基于深度学习的点云特征提取算法FCGF对其进行特征提取,然后再使用传统算法RANSAC和ICP进行粗配准和精细配准,得到最终的目标工件6d位姿信息。最后经过实验结果证明了该套算法具有良好的鲁棒性和性能效果。

关键词：机械臂无序抓取 6d位姿估计实例分割虚拟数据生成

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制和改进关键点约束的6d位姿估计方法研究

基于注意力机制和改进关键点约束的6D位姿估计方法研究

引用

作者：杨煜豪重庆理工大学

学位级别：硕士

在工业机器人应用中,精确的6d位姿估计是提高机器人自主操作灵活性和效率的关键。然而,传统6d位姿估计方法在光照变化、遮挡和背景复杂等问题方面存在局限性。本文致力于研究改进的6d位姿估计方法,以提高在复杂环境下机器感知的准确性... 详细信息

在工业机器人应用中,精确的6d位姿估计是提高机器人自主操作灵活性和效率的关键。然而,传统6d位姿估计方法在光照变化、遮挡和背景复杂等问题方面存在局限性。本文致力于研究改进的6d位姿估计方法,以提高在复杂环境下机器感知的准确性和鲁棒性。针对工业机器人和自动驾驶等领域的需求,本文提出了基于改进关键点约束和注意力机制融合的先进位姿估计方法。首先,为解决基于几何配准的传统估算方法对CAd模型依赖性强、对观测质量敏感以及在遮挡情况下表现不佳的问题,本文设计的网络采用了一种注意力感知机制,不仅需要模型点来预测对应关系,而且还对观测数据与模型先验数据之间的几何相似性进行了明确建模。本文的主要观点是,每个模型点和场景点之间的相关性为学习点对匹配提供了重要信息。为了进一步解决特征分布发散带来的相关性噪声,本文设计了一个简单而有效的伪孪生网络来提高特征同质性。其次,为解决传统方法中最远点采样(FPS)算法在选择关键点时无法可微的问题,本文提出了一种改进的关键点选择策略,使得关键点预测过程能够端到端地进行训练。与此同时,通过与其他分支进行联合训练,有效地解决了损失函数的局限性问题。该方法成功地预测了在遮挡和光照等干扰情况下的一组已知物体的6d位姿信息。为了进一步提高关键点预测的鲁棒性,本文采用一种加权聚合的方法,对候选结果和置信度进行回归,同时通过PPF点对特征进一步约束关键点集的预测。通过对预测关键点集进行几何分布约束,该研究成功提高了最终估计中关键点的可靠性。最后,本文在三个公开数据集上进行了验证,实验表明所设计的网络在位姿预测的准确性和鲁棒性上都要优于目前大部分方法。在复杂环境下,本方法在处理光照变化、遮挡和背景复杂等挑战时表现出色,预测精度显著提升。总体而言,通过引入关键点选择和注意力机制的改进,本研究在位姿估计方法中取得了显著的性能提升,为制造业提供了先进的自动化解决方案,推动了工业智能化的发展。未来的工作将进一步探索该方法在其他领域的应用,以扩大其实用价值。

关键词： 6d位姿估计特征融合深度学习点云处理注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于点云配准的6d位姿估计系统的设计与实现

基于点云配准的6D位姿估计系统的设计与实现

引用

作者：洪锦鸿北京邮电大学

学位级别：硕士

6d位姿估计技术现已广泛应用于无人驾驶、机器人感知、虚拟现实和工业装配等实际领域中。随着如激光雷达、Kinect等高精度传感器的快速发展,三维点云已成为表征三维世界的一种重要形式。通过三维点云配准,可以计算点云表征物体之间的位... 详细信息

6d位姿估计技术现已广泛应用于无人驾驶、机器人感知、虚拟现实和工业装配等实际领域中。随着如激光雷达、Kinect等高精度传感器的快速发展,三维点云已成为表征三维世界的一种重要形式。通过三维点云配准,可以计算点云表征物体之间的位姿变换矩阵,成为6d位姿估计的一个重要手段。然而,在低重叠率的三维点云点对场景下,如何获取健壮的点对对应关系,提升点云配准的精度以及6d位姿估计的准确性成为一个关键的问题。本文针对该问题进行如下研究:(1)针对PointdSC网络中的特征提取模块忽略不同维度特征之间关联性的问题,本文提出了一个基于通道自注意力机制的特征融合方法。首先设计了一个通道自注意力机制引导的非局部特征提取模块,然后通过融合该模块和SCNonlocal模块中提取出的匹配对特征,为每个输入匹配对提供更好的几何特征。实验结果表明,改进后的算法对比基线模型,在配准召回率(Registration Recall,RR)、内点预测精度(Inlier Precision,IP)、内点召回率(Inlier Recall,IR)和综合评价指标(F1-measure,Fl)四项评价指标分别提升了1.54%、0.82%、0.35%和0.62%,验证了改进方法的有效性。(2)针对PointdSC网络中匹配对子集采样阶段无法有效剔除错误匹配对的问题,本文提出了一个基于空间角度不变性的二次筛选策略,利用刚体变换后空间角度不变的特性,实现对种子点匹配对子集的二次采样。对比基线模型,该方法在配准召回率(RR)、内点预测精度(IP)、内点召回率(IR)和综合评价指标(F1)上分别提升了 4.38%、2.34%、4.17%和3.23%,验证了二次筛选策略能够更加有效地剔除错误匹配对。通过结合基于通道自注意力机制改进的Nonlocal特征融合模块和基于空间角度不变性的二次筛选策略,网络在上述四个指标上分别提升了 5.61%、2.89%、5.52%和4.18%,与主流的同类型算法相比在低重叠率的场景下具有更高的配准精度以及更好的泛化能力。(3)由于粗配准算法仅能完成初步的位姿估计,因此本文通过G-ICP精配准算法进一步获取更加准确的位姿变换矩阵。针对G-ICP算法耗时较高的问题,本文将基于BBF的Kd树最近邻搜索算法应用于G-ICP算法中。实验结果表明该方法可有效缩短G-ICP算法的耗时。最后在上述研究的基础上,本文设计和实现了一个基于点云配准算法的6d位姿估计系统,系统为用户提供点云预处理、关键点提取、位姿估计以及可视化等功能,以满足实际需求。

关键词： 6d位姿估计点云配准空间角度不变性通道自注意力机制

来源：评论

学校读者我要写书评

暂无评论

纹理与深度信息融合的透明物体6d位姿估计方法研究

纹理与深度信息融合的透明物体6D位姿估计方法研究

引用

作者：吴勇广东工业大学

学位级别：硕士

透明物体作为日常生活中常见的物体,对其进行操作是机器人领域中具有挑战性且亟待解决的问题。其中,如何实现透明物体的6d位姿估计已成为一个关键技术难点。目前,主流的6d位姿估计方法主要面向于纹理丰富或不透明的物体。本文将以透明... 详细信息

透明物体作为日常生活中常见的物体,对其进行操作是机器人领域中具有挑战性且亟待解决的问题。其中,如何实现透明物体的6d位姿估计已成为一个关键技术难点。目前,主流的6d位姿估计方法主要面向于纹理丰富或不透明的物体。本文将以透明物体作为研究对象,结合透明的光学特殊性,开展了对透明物体基于RGB-d的6d位姿估计方法研究,提出了纹理与深度信息融合的透明物体6d位姿估计方法。本文的研究内容主要包括:(1)针对6d位姿估计领域中缺少透明物体数据集,研究了数据集的制作方法,包括对透明物体的三维建模、基于Blender的合成数据制作和基于Ar Uco的真实数据制作。同时,为了方便研究,定义了透明物体数据集的统一数据描述格式。(2)为了解决现有RGB-d相机不能正确地捕获透明物体深度的问题,提出了一种透明物体的深度重建方法,包含设计了基于Transformer的实例分割网络,将编码器——解码器引入分割网络中,提出了多特征联合损失函数,有效地利用底层的特征信息。实验结果表明,该方法对透明物体的像素级实例分割更为准确,并在Microsoft COCO公开数据集上AP评价指标上比Mask R-CNN高0.5%;提出了基于表面法线的深度重建,通过RGB-d和其透明物体掩码作为深度卷积神经网络的输入,推理出表面法线、边界类型的特征信息,使用该信息与初始深度作为全局优化的输入,最终输出对透明物体校正后的深度图像。实验表明,各项评价指标都优于dense depth。该方法能有效地对透明物体的深度进行重建,为后续基于RGB-d的6d位姿估计方法研究作了铺垫。(3)为了估计更为准确的6d位姿,提出了基于关键点迭代细化的6d位姿估计方法。该方法通过最远点采样算法定义了3d模型中的关键点,利用RGB估计关键点的单位方向向量,并与实例掩码在随机抽样一致算法投票中生成关键点假设和空间概率分布,进而计算出关键点在图像中的2d坐标,将问题描述转化为Perspective-n-Point问题,求解其3d-2d对应点关系。对于位姿细化,与常用的迭代最近点算法不同的是,本文提出了一种基于神经网络的迭代细化模块,结合RGB中的透明纹理和校正后的深度,通过神经网络以迭代的方式校正其自身位姿估计误差。实验表明,本文方法在自建透明物体数据集上的精度比dense Fusion高12.5%,解决了透明物体的6d位姿估计问题,同时具有一定的鲁棒性,适用于日常生活化的复杂场景中。本文针对透明物体的纹理复杂、无法捕获深度的问题,提出了纹理与深度信息融合的透明物体6d位姿估计方法,解决了透明物体的6d位姿估计问题,对服务机器人和工业机器人的智能化作出了一定的贡献,但是未来还需要对多种类型的透明物体进行研究与验证,并进一步提高6d位姿估计方法的准确性、泛化性。

关键词： 6d位姿估计深度重建透明纹理物体识别

来源：评论

学校读者我要写书评

暂无评论

面向液相分析的实验器具6d位姿估计研究

面向液相分析的实验器具6D位姿估计研究

引用

作者：胡敏西南交通大学

学位级别：硕士

近年来,机器人领域的发展越来越受到关注,作为机器人抓取过程中的关键一环,6d(六自由度)位姿估计技术逐渐成为计算机视觉领域内的前沿热点。由于现有的6d位姿估计方法中,大多对物体的三维模型或UV贴图(UV Texture Mapping)的精细度要求... 详细信息

近年来,机器人领域的发展越来越受到关注,作为机器人抓取过程中的关键一环,6d(六自由度)位姿估计技术逐渐成为计算机视觉领域内的前沿热点。由于现有的6d位姿估计方法中,大多对物体的三维模型或UV贴图(UV Texture Mapping)的精细度要求较高,对硬件的开销较大,难以应用在液相分析无人实验室系统中。针对以上问题,本文提出一种液相分析操作机械手抓取实验容器所需要的6d位姿估计算法,本文主要研究内容如下: (1)6d位姿估计方法是液相分析无人实验室机进行械手自动化作业的关键技术之一,本文对6d位姿估计算法的研究现状进行了调研,总结并分析了现有三类位姿估计方法的优缺点。 (2)通过机器人操作系统(Robot Operating System,ROS),操控深度彩色相机获取了数千张被抓取对象的彩色图像和深度图像。基于这两种图像,完成了深度补全和点云合成,通过后续的图像数据处理,实现了对物体的三维重建。利用重建完成的三维模型,对图像数据进行真实位姿的标注,制作出了位姿估计所需数据集,三维重建模型与真实物体的最远距离点的平均几何误差在3.8%左右。 (3)通过对YOLOV7网络的损失函数与预测网络分支进行了扩充,使其主干网络实现对图像的特征提取,扩充后的预测网络完成对物体的位姿估计。通过选用插点关键点的方法,利用共线点交叉比的保持一致的特性,加强了模型的鲁棒性。根据位姿估计的评价指标,在公共数据集和自建数据集上分别对算法进行了实验测试。当位姿估计对象是透明器具时,相较于PVNet方法领先了10%左右,论证了本文算法的有效性和鲁棒性。

关键词： 6d位姿估计 YOLOV7网络三维重建液相分析无人实验室

来源：评论

学校读者我要写书评

暂无评论

散乱的弱纹理工件的6d位姿估计方法研究

散乱的弱纹理工件的6D位姿估计方法研究

引用

作者：黄榕彬广东工业大学

学位级别：硕士

复杂环境下的弱纹理工件的6d位姿估计是视觉感知领域中的一个关键且极具挑战性的问题。本文以复杂场景下散乱且存在遮挡的弱纹理工件为研究对象,针对弱纹理工件的6d位姿估计精度不足的问题,开展对基于RGBd的6d位姿估计算法和位姿细化算... 详细信息

复杂环境下的弱纹理工件的6d位姿估计是视觉感知领域中的一个关键且极具挑战性的问题。本文以复杂场景下散乱且存在遮挡的弱纹理工件为研究对象,针对弱纹理工件的6d位姿估计精度不足的问题,开展对基于RGBd的6d位姿估计算法和位姿细化算法的研究,提出了基于位置依赖的自适应融合的6d位姿估计方法和基于表面法线的位姿细化方法。本文的主要研究内容如下:(1)针对缺少工件数据集的问题,研究数据集的制作方法,利用安川机器人和深度相机搭建了一个数据采集系统,采用安川机器人控制深度相机运动,并采集目标工件的数据。然后对场景进行三维重建,并利用关键点匹配和ICP算法对场景中的目标工件的位姿进行标注。(2)针对弱纹理工件由于特征信息不丰富导致6d位姿估计精度不足的问题,本文提出了一种基于位置依赖的自适应融合的6d位姿估计方法(PdAFusion方法)。该算法通过引入位置依赖特征提取模块提取每个像素间的位置依赖关系,以丰富每个像素的特征信息,进而提高每个像素预测位姿和置信度时的精度。同时,该方法通过引入自适应特征融合模块来获取每个像素上不同数据源的特征信息的权重,以解决不同数据源的特征信息对于6d位姿估计任务的贡献不同的问题。实验结果表明,本文提出的PdAFusion方法在公共数据集YCB＿Video和Linemod以及自制的工件数据集上的精度相比其他方法分别提高了1.3%、0.6%和1.1%。(3)针对位姿细化方法出现的时间效率低问题和因特征信息不足导致精度下降的问题,本文提出了一种基于表面法线的位姿细化方法(SNPRefine方法)。该算法通过引入表面法线来进一步提高弱纹理工件的6d位姿估计精度。利用表面法线获取模块从目标对象的深度数据中提取表面法线,并将表面法线通过一个编码器解码器结构的卷积神经网络获取弱纹理工件的法向特征信息,以丰富全局特征,提高位姿细化网络的精度。实验结果表明,本文提出的SNPRefine方法在公开数据集YCB＿Video和Linemod以及自制的工件数据集上的精度相比densefusion的细化网络均提高了1%以上,且实时性优于ICP算法。本文针对散乱的弱纹理工件的彩色图像上特征信息不丰富的问题,在工件的6d位姿估计和位姿细化两方面的算法进行了研究,提出了PdAFusion的6d位姿估计方法和SNPRefine的位姿细化方法,提高了弱纹理工件的6d位姿估计精度,对实现工业机器人的智能化有一定的贡献。但是未来还需要进一步针对细长类的弱纹理物体进行研究,进一步提高6d位姿估计方法的泛化性能。

关键词： 6d位姿估计散乱工件弱纹理目标识别

来源：评论

学校读者我要写书评

暂无评论

基于多模态输入与注意力特征增强的6d位姿估计方法研究

基于多模态输入与注意力特征增强的6D位姿估计方法研究

引用

作者：张文睿江苏科技大学

学位级别：硕士

6d位姿估计是基于计算机视觉的机器人操作抓取任务中的一项关键工作。由于真实场景中多样的光照条件、杂乱的背景、阴影和遮挡使得6d位姿估计成为一项具有挑战性的任务。与耗时长、成本高的传统算法相比,基于深度学习的6d位姿估计方法... 详细信息

6d位姿估计是基于计算机视觉的机器人操作抓取任务中的一项关键工作。由于真实场景中多样的光照条件、杂乱的背景、阴影和遮挡使得6d位姿估计成为一项具有挑战性的任务。与耗时长、成本高的传统算法相比,基于深度学习的6d位姿估计方法在提升物体位姿估计准确度与速度的同时节约了成本。因此近年来,运用深度神经网络已经成为6d位姿估计研究领域中的主流方法。本文对基于深度学习的6d位姿估计方法展开了相应研究,制作了模拟真实场景的合成数据集并提出一种扩展数据集的数据增强方法,同时针对不同的应用场景设计了两种位姿估计算法。两种方法的不同点在于位姿估计网络训练时所需的输入数据,以应对实际生产需要。第一种方法适用于使用深度相机的场景,输入是物体的三维点云模型与多张RGB图像以及其对应的深度图像;第二种方法针对仅使用RGB相机的场景,输入是多张RGB图像以及描述物体位姿信息的多种中间表示。第一种方法充分利用RGB图像中的纹理信息和深度图像中的几何信息估计物体的6d位姿。本文提出一种全流程双向融合网络,它结合物体纹理和几何信息进行学习。通过这种方式,两个网络可以利用来自另一个网络的互补信息来获得更好的学习效果。在输出阶段,考虑物体的纹理和几何信息,本文设计了一种简单有效的三维关键点选择算法,简化了关键点定位,实现了精确的位姿估计。实验结果表明,本文方法在几个公开数据集测试中都优于最先进的方法。第二种方法由于没有深度图像与点云模型的输入,缺少对物体几何信息的描述,所以本文提出了一种结合多模态输入与注意力特征增强的单视图物体6d位姿估计方法,该方法由两个模块组成:预测模块和位姿回归模块。预测模块采用Res Net-18作为骨干网络,该模块加入通道注意力机制估计物体6d位姿的多种中间表示,包括关键点、关键点之间的边缘向量和像素点之间的对称对应关系;位姿回归模块运用EPn P算法和奇异值分解从中间表示结果中回归物体的6d位姿。实验中,在两个公开数据集上评估了方法性能,结果表明本文方法可以准确估计物体6d位姿,且在Add(-S)指标下优于现有的同类型方法,尤其在遮挡环境中具有良好鲁棒性。

关键词： 6d位姿估计深度学习三维点云模型多模态输入注意力机制

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共5页 << < 1 2 3 4 5 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：