一种结合深度学习的基于图像的视觉伺服机器人操控方法
计算机视觉与模式识别
2019-09-18 v1
摘要
针对基于图像的视觉伺服中图像特征提取与雅可比矩阵估计的困难，本文提出一种结合深度学习的基于图像的视觉伺服方法。借助卷积神经网络（CNN）强大的学习能力，实现了从图像中自主学习提取特征以及拟合从图像空间到任务空间的非线性关系，可极大简化基于图像的视觉伺服流程。基于上述思想，设计了一种基于卷积神经网络的双流网络，并给出相应控制方案以实机械臂的四自由度视觉伺服。采集机械臂在不同位姿参数下观测目标的图像作为CNN训练样本，训练后的网络可用于估计从2D图像空间到3D笛卡尔空间的非线性关系。该双流网络以当前图像与目标图像作为输入并使二者相等，从而引导机械臂到达期望位姿。实验结果验证了该方法的有效性。
引用
@article{arxiv.1909.07727,
title = {An Image Based Visual Servo Approach with Deep Learning for Robotic Manipulation},
author = {Jingshu Liu and Yuan Li},
journal= {arXiv preprint arXiv:1909.07727},
year = {2019}
}
备注
Accepted by The 6th International Workshop on Advanced Computational Intelligence and Intelligent Informatics (IWACIII2019)