本发明公开了一种基于YOLOGGCNN的机械臂检测抓取方法,属于智能机器人领域.所述方法利用YOLOv4深度学习网络对待抓取目标进行训练,得到训练好的模型.在机械臂抓取前,使用深度相机获取抓取平台上无抓取物体的空白深度图像.放置抓取物体后,利用训练好的YOLOv4模型从RGB图像识别出待抓取目标,将识别框作为感兴趣区域,将感兴趣...
一种基于YOLO-GGCNN的机械臂检测抓取方法.pdf,本发明公开了一种基于YOLO‑GGCNN的机械臂检测抓取方法,属于智能机器人领域。所述方法利用YOLOv4深度学习网络对待抓取目标进行训练,得到训练好的模型。在机械臂抓取前,使用深度相机获取抓取平台上无抓取物体的空白深度图像
本发明公开了一种基于YOLOGGCNN的机械臂检测抓取方法,属于智能机器人领域.所述方法利用YOLOv4深度学习网络对待抓取目标进行训练,得到训练好的模型.在机械臂抓取前,使用深度相机获取抓取平台上无抓取物体的空白深度图像.放置抓取物体后,利用训练好的YOLOv4模型从RGB图像识别出待抓取目标,将识别框作为感兴趣区域,将感兴趣...
A YOLO-GGCNN based grasping framework for mobile robots in unknown environments Expert Systems with Applications Volume 225, 1 September 2023, Page 119993 Purchase options CorporateFor R&D professionals working in corporate organizations. Academic and personalFor academic or personal use only. Looking for...
将这张图像进行裁剪处理后满足ggcnn的图片大小要求,将其输入ggcnn网络,再进行从图像坐标系到机械臂本体坐标系的转化,最终输出最优的机械臂抓取方案,机械臂根据抓取方案依次抓取所要抓取的目标物体。一种基于yolo-ggcnn的机械臂检测抓取方法,所述方法应用于机械爪上方搭载有深度相机的机械臂,所述方法包括:...
1 1 N C CN 115861780 A 权利要求书 1/2页 1.一种基于YOLO‑GGCNN的机械臂检测抓取方法,所述方法应用于机械爪上方搭载有深 度相机的机械臂,其特征在于,所述方法包括: 步骤1,在机械臂开始抓取前,利用所述深度相机获取未放置待抓取目标时抓取平台正 对机械臂方向上的图像信息,包括RGB彩色图像和深度图像,...