Keypoint-GraspNet：基于单目 RGB-D 输入的六自由度抓取生成
机器人学
2023-05-02 v4 计算机视觉与模式识别
机器学习
摘要
从点云输入进行六自由度抓取学习已取得巨大成功，但点集无序性带来的计算成本仍令人担忧。作为替代，本文探索从 RGB-D 输入生成抓取。所提方案 Keypoint-GraspNet 检测夹爪关键点在图像空间中的投影，随后用 PnP 算法恢复 SE(3) 位姿。我们构建了一个基于基本形状与抓取族的合成数据集来验证我们的思路。基于指标的评估显示，我们的方法在抓取提议准确性、多样性及时间成本上均优于基线。最后，机器人实验显示出高成功率，证明了该思路在真实世界应用中的潜力。
引用
@article{arxiv.2209.08752,
title = {Keypoint-GraspNet: Keypoint-based 6-DoF Grasp Generation from the Monocular RGB-D input},
author = {Yiye Chen and Yunzhi Lin and Ruinian Xu and Patricio Vela},
journal= {arXiv preprint arXiv:2209.08752},
year = {2023}
}
备注
Accepted by ICRA2023. Final version. Code is available at: https://github.com/ivalab/KGN