美国卡内基梅隆大学(Carnegie Mellon University)机器人研究所的研究人员直接在机器手臂上安装深度相机，从而设计出一种可提高机器人情境感知能力的算法，使其得以同时考虑来自相机的3D绘图以及机器手臂感知的机器方位。
研究人员表示，即使相机非常快速地移动或传感器的数据遗失或误导，这种“同时定位与映射”(SLAM)途径藉由追踪关节的角度，以及精确掌握相机固定在手臂上的位置，就能让系统产生高质量的地图。
这有助于使其更能决定相机的姿态，不仅提高3D地图的精确度，同时还可更精确地定位机器手臂在新建模空间中的位置。
最终，这种途径可以帮助机器深入更紧密的空间或拾取一个更细致易碎的对象，而无需先建立环境的背景知识，也不必依赖太过于运算密集型的传感器数据处理。
使用小型深度相机连接至一款轻量的机械手臂——Kinova Mico，研究人员们成功地重建了书架的3D模型，打造较其他映射技术更好的重建途径。
研究人员表示，即使相机非常快速地移动或传感器的数据遗失或误导，这种“同时定位与映射”(SLAM)途径藉由追踪关节的角度，以及精确掌握相机固定在手臂上的位置，就能让系统产生高质量的地图。
这有助于使其更能决定相机的姿态，不仅提高3D地图的精确度，同时还可更精确地定位机器手臂在新建模空间中的位置。
最终，这种途径可以帮助机器深入更紧密的空间或拾取一个更细致易碎的对象，而无需先建立环境的背景知识，也不必依赖太过于运算密集型的传感器数据处理。
使用小型深度相机连接至一款轻量的机械手臂——Kinova Mico，研究人员们成功地重建了书架的3D模型，打造较其他映射技术更好的重建途径。
EE直播间
更多
-
精密半导体参数测试解决方案 直播时间： 01月08日 10:00
关闭
站长推荐
/3 
/3
文章评论（0条评论）
登录后参与讨论