基于RGB-D的物品分类及机器人抓取技术研究.pdf

《基于RGB-D的物品分类及机器人抓取技术研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于RGB-D的物品分类及机器人抓取技术研究（学术型）RESEARCHONOBJECTRECOGNITIONANDROBOTICGRASPINGTECHNOLOGYBASEDONRGB-D江漩哈尔滨工业大学2018年6月国内图书分类号：TP242.6学校代码：10213国际图书分类号：681.5密级：公开工学硕士学位论文基于RGB-D的物品分类及机器人抓取技术研究硕士研究生：江漩导师：高云峰申请学位：工学硕士学科：机械电子工程所在单位：机电工程学院答辩日期：2018年6月授予学位单位：哈尔滨

2、工业大学ClassifiedIndex:TP242.6U.D.C:681.5DissertationfortheMasterDegreeinEngineeringRESEARCHONOBJECTRECOGNITIONANDROBOTICGRASPINGTECHNOLOGYBASEDONRGB-DCandidate：JiangXuanSupervisor：GaoYunfengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：Mechatronic

3、EngineeringAffiliation：SchoolofMechatronicsEngineeringDateofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要当前是一个智能化的时代，无论是对于传统的工业机器人，还是对于目前技术并不太成熟的服务机器人，都提出了新的挑战。而作为机器人的一项非常重要的能力，机器人的抓取及分类一直是国内外研究的重点。物体种类的繁多，物体

4、形状的多变以及物体位姿的任意摆放，都对机器人的抓取及分类提出更高的要求。本文面对生活中常见物品分类及抓取，以Kinectv2相机为主要传感器，重点研究建立抓取分类模型学习物体的三维局部特征，根据局部特征映射到机器人末端的抓取参数；针对少量训练样本的情况，研究和分析两种经典神经网络的迁移学习进行物品的分类，并且搭建了实验平台进行最终的验证。本文的工作主要包含了以下几个方面：（1）为了实现生活中常见物体的识别和分类，研究和分析了两种比较经典的神经网络模型VGG16和Inception-v3的迁移学习。分析公

5、共的数据集，进行一定的预处理，得到训练和测试所需要的数据集；针对原始数据集数量较少的问题，采用迁移学习的方法训练神经网络模型；对比两个模型在测试集上的测试结果，最终选取Inception-v3神经网络模型作为本文的物体分类模型；（2）为了获得机器人末端执行器的抓取参数，研究了四种抓取分类模型。分别针对颜色信息RGB、深度信息Depth、四通道的RGB-D信息、两个独立输入的RGB和Depth信息建立了四种抓取分类模型，对比和分析在已经标注完成的数据集上的测试和检测，最终四通道RGB-D抓取分类模型在to

6、p1矩形框的检测中获得了83.5%的成功率，明显高于本文中对比的其它模型；（3）依靠Baxter机器人和Kinectv2相机搭建实验平台，进行模型可行性的验证。利用空间四个点完成机器人的手眼标定，标定误差在可接受范围；利用top1矩形框内的三维点云，制定相对应的规则映射到实际的抓取参数；平台搭建完成之后，将四个不同的物体随机地放置在桌面上进行机器人的抓取和分类，实验证明本文的抓取及分类模型是可行且稳定的。关键词：RGB-D；卷积神经网络；机器人抓取；物体分类；迁移学习-I-哈尔滨工业大学工学硕士学位论文

7、AbstractThecurrenteraisaneraofintelligence.Bothfortraditionalindustrialrobotsandservicerobotsthatarenotyetmatureintechnology,newchallengesarepresented.Asaveryimportantcapabilityoftherobot,roboticgraspingandobjectclassificationhasalwaysbeenthefocusofresea

8、rchathomeandabroad.Thevarietyofobjecttypes,thevarietyofobjectshapes,andthearbitraryplacementofobjectposesimposehigherrequirementsontheroboticgraspingandobjectclassification.Thispaperfacestheclassificationandgraspofcommonob