-
公开(公告)号：CN115366095A
公开(公告)日：2022-11-22
申请号：CN202210876315.7
申请日：2022-07-25
Applicant: 之江实验室
Abstract: 本发明属于机器人抓取与操作技术领域，公开了一种杂乱环境机器人6自由度抓取姿态生成方法，包括S1：训练数据集生成；S2：神经网络训练；S3：预测结果转换到抓取姿态齐次矩阵。本发明是一种端到端的6自由度抓取姿态生成方法，即输入场景点云直接输出场景中每个物体的多样密集的成功的抓取姿态。姿态的多样性可以保证机器人在考虑避障与运动学约束时仍能更够满足抓取；具体执行时选择网络预测的指向点概率最大的且机器人有运动学解的抓取姿态执行；不需要长时间的采样过程与抓取姿态评估过程，相比于3‑4自由度的抓取姿态更具有通用性；提出的新的抓取姿态表示方法只需要预测gi＝(qi,ai,θi,di)四个量，且不需要向量间正交约束，更有利于神经网络的学习。
-
公开(公告)号：CN115355904A
公开(公告)日：2022-11-18
申请号：CN202210876326.5
申请日：2022-07-25
Applicant: 之江实验室
Abstract: 本发明属于同步定位与建图(slam)领域，公开了一种针对地面移动机器人的Lidar‑IMU融合的slam方法，包括如下步骤：步骤1：数据预处理；步骤2：构建子地图；步骤3：创建地图与优化因子图；步骤4：优化位姿图。本发明能够实现在有起伏路面上为机器人添加地面约束，增加竖直方向的约束，能够很好的减少累积误差，整个实验机器人轨迹长大约1000m，与传统算法相比本发明的方法在精度上有很大的提高，特别是在z方向更为明显。其中loam的平移偏差(均方根误差表示)为18.461m，lio_sam的平移偏差为15.672m，而本发明的算法平移偏差为8.331m。该算法得到的轨迹精度有了很大的提高。
-
Search Results
2
records
(took 0.013 seconds)
