ROSの掴み姿勢検出
5484 ワード
ROSの掴み姿勢検出flyfish
環境ROS Kietic Ubuntu 16.04
方法1アゲインgrasp
参考論文はUsing Geometry to Detect Gramp Poses in 3 D Point Coudsです。
Andreas tens Pas and Robert Plat
参考URLはhttp://wiki.ros.org/agile_grasp
論文の住所はhttp://www.ccs.neu.edu/home/atp/publications/grasp_poses_isrr 205.pdf
githubhttps://github.com/atenpas/agile_grasp.gitは自分のROSのバージョンに注意してこの論文を書きます。
機械を利用して学習し、雑波で新たな物体を検出して姿勢を取る新しい方法を提案しました。
アルゴリズム入力は点雲とロボットの手の幾何学的パラメータアルゴリズムの出力であり、所望の掴み取りの姿勢である。
この方法は孤立（isolation）環境において新しい物体の平均成功率を88%とする密なスプリアス（dense clutter）において新しい物体を取り込む平均成功率は73%である。ソースコードのgpd-forward/tutorisフォルダにkrylon.pcdがあります。mug.pcdの可視化はpythonを使ってみてください。コードは以下の通りです。
テーブルmug.pcdの可視化
ポイントクラウドファイルのファイルヘッダがスキップされます。
forwardバージョンはCaffeがないバージョンを使用できます。
githubhttps://github.com/atenpas/gpd/tree/forward
参考論文は
[1]Grash Pose Detection in Point Clouds Andreas tens Pas，Marcus Glatieri，Kate Saenko，and Robert Plat.[2]High precion grasp pose dection in Marcus Gratieri，Andreas tens Pas，Kate Sabent.Planda.
この論文は主に雲の中で姿勢を把握して検査する問題を考えています。まず大量のgraspを生成して、good graspとbad graspに分けて、第二段階は大量のデータセットを使って一つのCNNを訓練して、密集している雑波の中で平均的につかむ成功率は93%です。前の仕事に比べて20%アップしました。
ここにROS Kineecticのバージョンの深さカメラを設置してastraを使っていますので、実行コマンドはちょっと違います。
Detect Graps With an RGBBD Camera
1カメラコマンドローラunch astraを起動します。launch astra.launch 2の後、rviz rourn rvizを起動し、rvizにプロファイルgpd/tutorils/openni 2.rvizをロードします。
3 ROSノードdetects grasps ronch gpd tutorial 1.launchを起動します。
rotopic list
環境ROS Kietic Ubuntu 16.04
方法1アゲインgrasp
参考論文はUsing Geometry to Detect Gramp Poses in 3 D Point Coudsです。
Andreas tens Pas and Robert Plat
参考URLはhttp://wiki.ros.org/agile_grasp
論文の住所はhttp://www.ccs.neu.edu/home/atp/publications/grasp_poses_isrr 205.pdf
githubhttps://github.com/atenpas/agile_grasp.gitは自分のROSのバージョンに注意してこの論文を書きます。
機械を利用して学習し、雑波で新たな物体を検出して姿勢を取る新しい方法を提案しました。
アルゴリズム入力は点雲とロボットの手の幾何学的パラメータアルゴリズムの出力であり、所望の掴み取りの姿勢である。
この方法は孤立（isolation）環境において新しい物体の平均成功率を88%とする密なスプリアス（dense clutter）において新しい物体を取り込む平均成功率は73%である。ソースコードのgpd-forward/tutorisフォルダにkrylon.pcdがあります。mug.pcdの可視化はpythonを使ってみてください。コードは以下の通りです。
import matplotlib.pyplot as plt
import numpy as np
points = np.loadtxt('table_mug.pcd',skiprows=11)
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
count = range(0, points.shape[0])
ax.scatter(points[count, 0],
points[count, 1],
points[count, 2],
c=points[count, 2],
cmap='spectral', marker=".")
ax.axis('scaled') # {equal, scaled}
plt.show()
テーブルmug.pcdの可視化
ポイントクラウドファイルのファイルヘッダがスキップされます。
# .PCD v0.7 - Point Cloud Data file format
VERSION 0.7
FIELDS x y z
SIZE 4 4 4
TYPE F F F
COUNT 1 1 1
WIDTH 104444
HEIGHT 1
VIEWPOINT 0 0 0 0 1 0 0
POINTS 104444
DATA ascii
forwardバージョンはCaffeがないバージョンを使用できます。
githubhttps://github.com/atenpas/gpd/tree/forward
参考論文は
[1]Grash Pose Detection in Point Clouds Andreas tens Pas，Marcus Glatieri，Kate Saenko，and Robert Plat.[2]High precion grasp pose dection in Marcus Gratieri，Andreas tens Pas，Kate Sabent.Planda.
この論文は主に雲の中で姿勢を把握して検査する問題を考えています。まず大量のgraspを生成して、good graspとbad graspに分けて、第二段階は大量のデータセットを使って一つのCNNを訓練して、密集している雑波の中で平均的につかむ成功率は93%です。前の仕事に比べて20%アップしました。
ここにROS Kineecticのバージョンの深さカメラを設置してastraを使っていますので、実行コマンドはちょっと違います。
Detect Graps With an RGBBD Camera
1カメラコマンドローラunch astraを起動します。launch astra.launch 2の後、rviz rourn rvizを起動し、rvizにプロファイルgpd/tutorils/openni 2.rvizをロードします。
3 ROSノードdetects grasps ronch gpd tutorial 1.launchを起動します。
rotopic list
/camera/camera_nodelet_manager/bond
/camera/depth/camera_info
/camera/depth/image
/camera/depth/image_raw
/camera/depth/image_rect
/camera/depth/image_rect_raw
/camera/depth/points
/camera/depth_rectify_depth/parameter_descriptions
/camera/depth_rectify_depth/parameter_updates
/camera/depth_registered/camera_info
/camera/depth_registered/image_raw
/camera/depth_registered/points
/camera/depth_registered/sw_registered/camera_info
/camera/depth_registered/sw_registered/image_rect
/camera/depth_registered/sw_registered/image_rect_raw
/camera/driver/parameter_descriptions
/camera/driver/parameter_updates
/camera/ir/camera_info
/camera/ir/image
/camera/projector/camera_info
/camera/rgb/camera_info
/camera/rgb/image_raw
/camera/rgb/image_rect_color
/camera/rgb_rectify_color/parameter_descriptions
/camera/rgb_rectify_color/parameter_updates
/clicked_point
/detect_grasps/clustered_grasps
/detect_grasps/grasps_rviz
/initialpose
/move_base_simple/goal
/rosout
/rosout_agg
/tf
/tf_static
/camera/camera_nodelet_manager/get_loggers
/camera/camera_nodelet_manager/list
/camera/camera_nodelet_manager/load_nodelet
/camera/camera_nodelet_manager/set_logger_level
/camera/camera_nodelet_manager/unload_nodelet
/camera/depth_metric/get_loggers
/camera/depth_metric/set_logger_level
/camera/depth_metric_rect/get_loggers
/camera/depth_metric_rect/set_logger_level
/camera/depth_points/get_loggers
/camera/depth_points/set_logger_level
/camera/depth_rectify_depth/get_loggers
/camera/depth_rectify_depth/set_logger_level
/camera/depth_rectify_depth/set_parameters
/camera/depth_registered_sw_metric_rect/get_loggers
/camera/depth_registered_sw_metric_rect/set_logger_level
/camera/driver/get_loggers
/camera/driver/set_logger_level
/camera/driver/set_parameters
/camera/get_serial
/camera/ir/set_camera_info
/camera/points_xyzrgb_sw_registered/get_loggers
/camera/points_xyzrgb_sw_registered/set_logger_level
/camera/register_depth_rgb/get_loggers
/camera/register_depth_rgb/set_logger_level
/camera/rgb/set_camera_info
/camera/rgb_rectify_color/get_loggers
/camera/rgb_rectify_color/set_logger_level
/camera/rgb_rectify_color/set_parameters
/camera_base_link/get_loggers
/camera_base_link/set_logger_level
/camera_base_link1/get_loggers
/camera_base_link1/set_logger_level
/camera_base_link2/get_loggers
/camera_base_link2/set_logger_level
/camera_base_link3/get_loggers
/camera_base_link3/set_logger_level
/detect_grasps/get_loggers
/detect_grasps/set_logger_level
/rosout/get_loggers
/rosout/set_logger_level
/rviz_1544686216572815198/get_loggers
/rviz_1544686216572815198/reload_shaders
/rviz_1544686216572815198/set_logger_level