-
公开(公告)号：CN117974776A
公开(公告)日：2024-05-03
申请号：CN202311816962.X
申请日：2023-12-26
Applicant: 西安交通大学
IPC: G06T7/73 , G06N3/0442 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于门控图神经网络的机器人操作关系检测方法及系统，属于机器人控制技术领域，方法包括：从输入图像中提取特征并估计目标类别；利用门控图神经网络GGNN捕获整个场景中对象之间的依赖关系，更新相关特征，并输出抓取序列；通过在成对对象特征中嵌入位置编码，获得上下文信息；更新后的特征将被传递到三个线性层，以确定并输出对象之间的操纵关系。本发明通过组合全局上下文信息和在图形结构中进行长期消息传递来提高关系检测的准确性。此外，在实际机器人上的抓取实验表明，该模型具有较好的扩展性和优越的性能。
-
公开(公告)号：CN111906781A
公开(公告)日：2020-11-10
申请号：CN202010652687.2
申请日：2020-07-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于图神经网络的机器人自主工具构建方法、系统及相关设备。该方法在仿真环境下生成训练数据，以包含目标工具的深度图以及包含多个候选零件的深度图为输入，先使用深度网络进行候选零件的选择，连接点以及构建姿态的回归。使用图神经网络对各个零件对进行连结，最后综合选出最优的候选零件以用于构建目标工具。本方法使用的仿真环境下的数据生成方法有效减小了数据采集的人工量，扩大了数据集的体量。本发明可以帮助机器人在纯视觉输入的场景中有效完成自动工具构建任务，并且增加了机器人对场景整体性的考虑，对于共融机器人项目的发展有重要意义。
-
公开(公告)号：CN111906781B
公开(公告)日：2021-07-13
申请号：CN202010652687.2
申请日：2020-07-08
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于图神经网络的机器人自主工具构建方法、系统及相关设备。该方法在仿真环境下生成训练数据，以包含目标工具的深度图以及包含多个候选零件的深度图为输入，先使用深度网络进行候选零件的选择，连接点以及构建姿态的回归。使用图神经网络对各个零件对进行连结，最后综合选出最优的候选零件以用于构建目标工具。本方法使用的仿真环境下的数据生成方法有效减小了数据采集的人工量，扩大了数据集的体量。本发明可以帮助机器人在纯视觉输入的场景中有效完成自动工具构建任务，并且增加了机器人对场景整体性的考虑，对于共融机器人项目的发展有重要意义。
-
-
Search Results
3
records
(took 0.019 seconds)
