声明
摘要
1.1研究背景和意义
1.2国内外研究现状
1.2.1卷积网络研究现状
1.2.2点云识别方法研究现状
1.2.3 6D姿态估计方法研究现状
1.3研究目标
1.4论文结构
2论文相关理论介绍
2.1.1人工神经网络
2.1.2神经网络层
2.2卷积神经网络
2.2.1卷积层
2.2.2池化层
2.2.3全连接层
2.2.4非线性激活函数
2.3 RGB-D相机
2.3.2 RGB-D相机技术类型
2.4三维数据表示方法
2.5点云分类网络
2.5.1 PointNet
2.5.2 PointNet++
2.6 6D姿态估计
2.6.1 Densefusion密集融合网络
2.6.2像素投票网络(PVNet)
2.7摄像头光学特性
2.7.1相机类型
2.7.2失真类型
2.7.3坐标系
2.7.4相机标定
2.8本章小结
3.1物体实时旋转估计
3.2基本思路
3.3 LPCN网络
3.3.1第一阶段LPCN-1
3.3.2第二阶段LPCN-2
3.4实验
3.4.1数据集制作
3.4.2实验流程
3.4.3实验结果评价
4轻型密集融合网络
4.1评测数据集
4.2 DenseFusion改进
4.3轻型密集融合网络
4.4点云全局特征
4.5实验步骤
4.6实验结果评价
5机械臂抓取实验
5.1实验机械臂平台
5.2深度传感器准确率评价
5.3张氏标定法
5.4坐标系转换
5.5机械臂手眼标定
5.6碰触抓取实验
5.7本章小结
6.1总结
6.2未来展望
参考文献
作者简历
致谢
河北农业大学;