题名 | 基于自适应深度卷积神经网络的抓取检测算法研究 |
作者 | 顾启鹏 |
答辩日期 | 2021-06 |
文献子类 | 硕士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 北京 |
导师 | 苏建华 |
关键词 | 抓取检测 深度学习 功能性检测 领域自适应 |
学位专业 | 控制理论与控制工程 |
英文摘要 | 抓取是机器人的一项重要技能,稳定可靠的抓取物体是机器人完成装配、搬运和分拣任务的基本要求。传统的机器人抓取方法需要根据物体几何属性,建立机器人手爪和物体之间的接触模型。在一些复杂场景中,由于很难获得物体的几何属性,因而需要机器人能够根据对场景的理解和推理,以及物体在场景中的功能性属性,自主建立抓取模式。近年来,基于深度学习的抓取检测方法成为机器人抓取领域的研究热点之一。大部分的自主抓取方法是基于大规模的数据学习,样本采集和标注的工作量大,降低了机器人自主学习的效率。迁移学习由于具备所需样本数据少以及学习能力快的优点,已成机器人自主抓取的重要研究方向。本文基于工业机器人应用场景,通过深度学习来研究机器人抓取检测的相关技术。论文的主要工作如下: |
语种 | 中文 |
页码 | 96 |
内容类型 | 学位论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/44948] |
专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_机器人应用与理论组 |
推荐引用方式 GB/T 7714 | 顾启鹏. 基于自适应深度卷积神经网络的抓取检测算法研究[D]. 北京. 中国科学院自动化研究所. 2021. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论