当前位置:   article > 正文

机械臂抓取从入门到实战课程(理论+源码)

《机械臂抓取从入门到实战》课程视频及配套资料

01

机器人抓取介绍

目前机器人作为智能制造的重要组成部分,已经广泛应用于各行各业。但是大部分机器人都是通过示教过程实现生产制造的,编程简单快捷,不需要考虑复杂的轨迹规划,这样往往只能重复对固定位置的物体进行搬运或抓取,无法实现真正的智能化操作。随着工业智能化改造的不断深入,许多企业进行产线升级,逐渐将机器视觉技术引入生产制造过程中,应用于生产线对物料校准和定位,将视觉系统作为机器人对外界环境感知的一种辅助定位系统,就像给工业机器人装上了眼睛,采集场景信息,由控制器进行处理、判断,进而完成对应的控制指令。

机器人视觉抓取的目的是使用一个机械手模型(包括二指或多指夹爪,吸盘等),以RGB或RGBD相机采集的场景图像为输入计算出一个最优的抓取位姿,使机械手在该位姿下可以稳定地抓取模型已知或未知的物体。其中机器人平面抓取是指限制机器人垂直桌面抓取,即为RPY角中的Roll和Pitch设为定值,抓取算法只需预测(x, y, z, yaw, width)。其中(x, y)为RGB图像或者深度图中的像素点位置,z为深度相机对应抓取点距离相机的深度,yaw表示机械手沿z轴的旋转角,或机械手闭合方向与图像水平轴的夹角;width表示机械手张开宽度。相对于6DOF位姿估计抓取算法,平面抓取算法使用更简单的深度学习模型可以优化预测速度,提高抓取成功率。下列为机器人抓取任务的工业现场图:

44571caf8cd9885bfea201458cdf1e95.png

目前,各个大厂如美的库卡、小米、华为、亚马逊、谷歌等均在大力发展机器人结合视觉抓取在物流运输、智能制造等领域的应用。在《中国制造2025》和“十三五规划”等政策推动下,由“中国制造”到“中国智造”已是必然趋势,行业外部发展环境利好,内部资本实力雄厚、薪酬可观,且不存在中年危机等互联网企业通病,是目前理想的就业方向。以下是某招聘网站发布的招聘需求和薪资待遇:

3369e58d836f8993315f5f9dbfba0895.png

4ea24ba85b3d3e82afeb283eb7c5ce37.png

02

如何学习

机器人平面抓取任务已广泛应用于各行各业,如服务机器人,机器人搬运、分拣、上料等。然而由于机器人抓取任务不仅包含视觉算法,也需要熟悉机器人的建模、运动学、轨迹生成、路径规划等原理,知识点繁多复杂,因此不论是高校、科研院所或者是企业都尚未形成完整的知识体系。对于想学习机器人抓取的学员,只能依靠网络上零散无序的知识片段拼凑学习,时间利用率极低。

为此,我们推出了机器人抓取课程,授课老师为某头部智能制造公司的视觉算法工程师,具备扎实的机器人和视觉理论知识,拥有丰富的实战经验。课程将会在环境配置,ROS基础,机器人基础,平面抓取网络,机器人抓取实战等方面进行详细展开。无论是理论基础还是实践应用,都可以使初学者或具有一定经验的从业者从中受益,课程大纲如下:

a3af6a2e5bb38efaaceed500d24c58ac.jpeg

03

讲师介绍

觅云,硕士毕业于东北大学,目前为某头部智能制造公司的视觉算法工程师,致力于机器视觉和机器人运动控制等方向的应用研究。

04

面向对象

1. 机器人抓取相关方向的本科生,硕士生,博士生;

2. 从事机器人视觉抓取,检测和定位相关任务的工程人员;

3. 想要转入机器人抓取领域的从业者。

05

学后收获

1.  对机器人抓取的相关算法原理,整体流程具有深入理解;

2.  可以掌握ROS的基本使用,熟悉机器人建模、运动学,轨迹生成及优化的理论基础及源码实现,了解平面抓取网络的数据集构建及训练;

3.  可以独立完成基于2D或3D的机器人视觉抓取任务,将自己所学的理论实践应用于科研和工作中,构建自己的机器人抓取知识体系。

06

课程设置

1. 系统要求:ubuntu18.04

2. 编程语言:python,matlab,c++

3. 基础要求:具备矩阵分析,线性代数,概率论等数学基础知识;掌握基础的C++,Matlab,python等语言

07

课程安排

上课形式:课程为录播形式,每周解锁一章内容

答疑服务:专属答疑群,主要提供开课到结课期间的答疑(购买课程后请务必添加小助理微信,拉入答疑群)

训练营有效期:为提高学习效率,拒绝拖拉,训练营观看有效期为1年

08

如何购买

e47958d1daa185a2ce2e322f1eb60f47.png

▲微信扫码即可查看、学习课程

9e7290e464d190267070ed4ffe0675a6.jpeg

▲长按加小助理微信:cv3d007,咨询更多

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/很楠不爱3/article/detail/454379
推荐阅读
相关标签
  

闽ICP备14008679号