基于点云的物体姿态估计研究与应用

目录

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