TWI818586B - 應用連續自適應均值偏移演算法之機械手臂接球系統 - Google Patents
應用連續自適應均值偏移演算法之機械手臂接球系統 Download PDFInfo
- Publication number
- TWI818586B TWI818586B TW111121870A TW111121870A TWI818586B TW I818586 B TWI818586 B TW I818586B TW 111121870 A TW111121870 A TW 111121870A TW 111121870 A TW111121870 A TW 111121870A TW I818586 B TWI818586 B TW I818586B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- sphere
- movement
- ball
- spherical
- Prior art date
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 37
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Manipulator (AREA)
- Image Analysis (AREA)
Abstract
本發明係揭露一種應用連續自適應均值偏移演算法之機械手臂接球系統，其包括多軸機械手臂、影像擷取裝置及中央控制單元。多軸機械手臂包含接球件，多軸機械手臂可於移動範圍內以接球件來接住呈抛物線運動的球體。影像擷取裝置用以對於呈抛物線運動的球體進行連續性的影像擷取，以連續成像為球體運動影像。中央控制單元包含用以對球體運動影像進行影像處理與影像辨識的影像辨識模組，影像辨識模組係利用追蹤定位演算法對即時連續擷取之球體運動影像進行球體的運動追蹤運算，以得到球體的移動軌跡訊息、移動速度訊息及移動方向訊息，並由移動軌跡訊息、移動速度訊息及移動方向訊息來預測出球體運動的落點位置後輸出與落點位置相應的控制訊號，以驅動多軸機械手臂之接球件抵達所預測的球體落點位置，使多軸機械手臂利用接球件來接住該球體，俾能精準定位出較佳的接球位置，以實現更佳的接球運動娛樂效果。
Description
本發明係有關一種應用連續自適應均值偏移演算法之機械手臂接球系統，尤指一種可以精準定位出較佳接球位置以實現完美接球運動娛樂效果的機械手臂接球技術。
按，隨著電子科技的蓬勃發展，連帶使得多軸機械手臂的應用更為廣泛與普及。多軸機械手臂不僅只是工業上製造裝配等用途的應用而已，而且正朝向運動娛樂領域發展的趨勢。在球類運動中，運動員必須依據球體運動的速度、軌跡及方向來預判球體的落點，才能順利接住球體。同樣的，若是將多軸機械手臂應用於運動娛樂的接球系統時，多軸機械手臂則必須一樣得知球體運動的速度、軌跡及方向來預判球體的落點，於是方能有效接住球體。
依據所知，工研院已研發出一種『灰熊厲害的接球機器人』，該接球機器人包含六個自由度的機械手臂，工作範圍在半徑75公分的半圓球內。該接球機器人前方架設兩組攝影機，以擷取立體視覺影像回傳至嵌入式視覺伺服平台，以進行立體視覺影像的追蹤處理及運算。該接球機器人雖然可以預測出球體運動的路徑、時間及位置，進而驅使機械手臂完成接球的動作；惟，該接球機器人係採用立體視覺影像的處理方式，以致除了必須增設一組攝影機之外，還必須耗費較多的運算時間與記憶資源等情
事，致使會有目標定位技術移動過快或過慢問題及過度操作所致耗電過大等情事，因而造成接球機器人運作上的不便與困擾的情事產生。
有鑑於此，習知接球機器人於技術性與功能性上確實皆未臻完善，仍有再改善的必要性；緣是，經本發明人等乃不斷的努力研發之下，終於研發出一套有別於上述習知接球機器人技術的本發明。
本發明主要目的，在於提供一種應用連續自適應均值偏移演算法之機械手臂接球系統，主要是可以精準定位出較佳的接球位置，以實現完美的接球運動娛樂效果，藉以解決傳統特徵目標定位技術移動過快或過慢問題及過度操作所致耗電過大等缺失，因而得以有效延長機械手臂的接球運作時間。達成本發明主要目的採用之技術手段，係包括多軸機械手臂、影像擷取裝置及中央控制單元。多軸機械手臂包含接球件，多軸機械手臂可於移動範圍內以接球件來接住呈抛物線運動的球體。影像擷取裝置用以對於呈抛物線運動的球體進行連續性的影像擷取，以連續成像為球體運動影像。中央控制單元包含用以對球體運動影像進行影像處理與影像辨識的影像辨識模組，影像辨識模組係利用追蹤定位演算法對即時連續擷取之球體運動影像進行球體的運動追蹤運算，以得到球體的移動軌跡訊息、移動速度訊息及移動方向訊息，並由移動軌跡訊息、移動速度訊息及移動方向訊息來預測出球體運動的落點位置後輸出與落點位置相應的控制訊號，以驅動多軸機械手臂之接球件抵達所預測的球體落點位置，使多軸機械手臂利用接球件來接住該球體。
1:球體
10:多軸機械手臂
11:接球件
110:機械式夾爪
12:碰撞式膨脹氣囊
13:氣源裝置
14:碰撞感測器
20:影像擷取裝置
21:架設機構
30:中央控制單元
31:影像辨識模組
32:區塊參數資料庫
33:驅動模組
320:區塊
In:球體影像
On:重心位置
L:運動軌跡
C1:初始視窗
C2:新視窗
C1o:圓心
C1r:質心
W:實際寬度值
W1:像素寬度
圖1係本發明第一應用實施的示意圖。
圖2係本發明第二應用實施的示意圖。
圖3係本發明影像定位法的影像追蹤實施示意圖。
圖4係本發明影像距離演算法的實施示意圖。
圖5係本發明連續自適應均值偏移演算法的流程實施示意圖。
圖6係本發明具體架構的功能方塊示意圖。
圖7係本發明連續自適應均值偏移演算法的視窗追蹤定位示意圖。
圖8係本發明連續自適應均值偏移演算法之視窗追蹤定位的流程實施示意圖。
為讓 貴審查委員能進一步瞭解本發明整體的技術特徵與達成本發明目的之技術手段，玆以具體實施例並配合圖式加以詳細說明：
請配合參看圖1~3及圖6所示，為達成本發明主要目的之實施例，係包括一多軸機械手臂10、一影像擷取裝置20及一中央控制單元30。該多軸機械手臂10包含一接球件11，該多軸機械手臂10可於一移動範圍內(如在半徑80公分的半圓球內)以接球件11來接住呈抛物線運動的球體1。該影像擷取裝置20係設於多軸機械手臂10的附近，用以對於呈抛物線運動的球體1進行連續性的影像擷取，以連續成像為複數幀球體運動影像。該中央控制單元30包含一用以對複數幀球體運動影像進行影像處理與影像辨識的影像辨識模組31，該影像辨識模組31係利用一種追蹤定位演算法對即時連續擷取之複數幀球體運動影像進行球體1的運動追蹤運算，以得到球體運動的移動軌跡訊息、移動速度訊息及移動方向訊息，並由移動軌跡訊息、移動速度訊息及移動方向訊息來預測出球體運動的落點位置，並後輸出與落點位置相應的控制訊號，進而觸發一驅動模組33
來驅動多軸機械手臂10之接球件11抵達所預測的球體1落點位置，於是即可使多軸機械手臂10利用接球件11來接住球體1。
承上所述，再請配合參看圖4、6所示，該影像辨識模組31係對複數幀球體運動影像進行影像特徵擷取，以將球體運動影像的背景去除後擷取出前景的球體影像In，並由球體影像In計算出像素寬度W1，再將像素寬度W1與已知的影像擷取裝置20之鏡頭焦距及球體1實際寬度值W代入一影像距離演算法，於是即可計算出球體1與影像擷取裝置20之間的距離值，再由距離值來預測球體1的落點時間，以輸出與落點位置及落點時間相應的控制訊號。
再請參看圖4所示，第一幀至第六幀球體影像I0~I5係分別與圖3的重心位置O0~O5相對應，其中，由於球體影像I0為來球的起始位置，所以面積及寬度最小，球體影像I5為球體1的落點位置，所以面積及寬度最大。
於本發明的應用實施例中，該影像距離演算法表示為：距離值D=鏡頭焦距F×球體實際寬度值W/像素寬度W1。
請參看圖3、6所示，本發明的一種應用實施例中，該追蹤定位演算法係為一種影像定位法，該影像辨識模組31建立有一區塊參數資料庫32，該區塊參數資料庫32設定有複數呈框格排列的區塊320，每一區塊320各自設定有至少一座標參數資料；該影像定位法執行時，該影像辨識模組31則輸入即時之球體運動影像，以對球體運動影像進行影像特徵擷取，並將球體運動影像的背景去除後擷取出前景的球體影像In，再計算出球體影像In的重心位置On，再將重心位置On代入區塊參數資料庫32中，以解讀出重心位置On所處區塊320的座標參數資料而產生相應的座標位置訊息；當影像辨識模組31輸入下一幀球體運動影像時，則重覆上述影像定位法的步
驟，以得到下一幀球體運動影像的球體影像In之重心位置On的座標位置訊息，當影像辨識模組31所輸入球體運動影像達到預設的幀數時，則重覆上述影像定位法之步驟而得到最後一幀球體運動影像的球體影像In之重心位置On位置的座標位置訊息，而可藉由不同幀數之各球體影像In的各座標位置訊息而求得球體運動的移動軌跡訊息、移動速度訊息及移動方向訊息。
承上所述，連續自適應均值偏移演算法的基本原理：假設有如圖7所示的一堆點(如由直方圖反向投影得到的點)，和一個小的圓形窗口，所需完成的任務即是將圓形窗口移動到最大灰度密度處(或者是點最多的地方)。如圖7所示，初始視窗是C1，下一個新視窗則為C2。C1的圓心為黑色方框C1o，而視窗中所有點質心卻是C1r(即小黑圓)，很明顯圓心和點的質心並無重合，所以必須移動圓心C1o到質心C1r，於是即可得到了一個新的視窗。這時又可以找到新視窗內所有點的質心，大多數情況下還是不重合的，所以重複上述的操作步驟，不斷地將新視窗的中心移動到新的質心。經過不停的反覆運算操作直到視窗的中心和其所包含點的質心重合為止，令零階矩C1o=M00和一階矩C1r=M10，M01。在MeanShift演算法中尋找搜索視窗的質心用到窗口的零階矩M00和一階矩M10，M01：零階矩=M 00=Σ ΣI(x,y) 一階矩=M 10Σ ΣxI(x,y)；M 01Σ ΣyI(x,y)；搜索窗的質心=xc=M 10/M 00；yc=M 01/M 00
零階矩是搜索視窗內所有圖元的積分，即所有圖元值之和，物理上的意義是計算搜索視窗的尺寸。經過目標的H分量長條圖反向投影後，目標區域的搜索視窗大部分圖元值歸一化後應該是最大值255，如果計算出來零階矩大於某一閾值，可以認為此時目標鋪滿了整個搜索視窗，有理由認為在搜索視窗之外的區域還存在目的地區域，需要增大搜索視窗的尺寸；相應的，如果零階矩小於某一閾值，則需要縮小搜索視窗的尺寸，如此一來，當目標的大小發生變化的時候，CamShift演算法就可以自我調整的調整目的地區域進行跟蹤。以上推導過程中涉及到反向投影，CamShift和MeanShift的運算都是在反向投影圖像上進行的，反向投影的實現過程如
下：計算並生成目的地區域的H分量的長條圖，反向投影其實就是把靶心圖表像上每一個圖元點的圖元值替換為當前圖元值所在bin對應的直方圖bin的數值。
再請看圖8所示，該連續自適應均值偏移演算法執行時，則更包括一視窗追蹤定位步驟，執行視窗追蹤定位步驟時，係將球體運動影轉成HSV影像，並包含下列步驟：第一步驟，選擇初始視窗的大小及位置；第二步驟，計算視窗之目標區域內的色調直方圖；第三步驟，將直方圖作反向投影得到色調的概率分佈圖；第四步驟，由概率分佈圖得到搜索窗口的質心位置；第五步驟，根據窗口中像素值綜合調整窗口大小，並將窗口中心移到質心位置；第六步驟，判斷是否達到收斂的門檻；第七步驟，判斷結果為否，則回到第四步驟；判斷結果為是，得到目標的中心位置(x,y)的疊代次數；第八步驟用當前目標的質心(x,y)與搜索窗口的大小初始化下一個搜索窗口；及第九步驟，在搜索窗口位置設置比搜索窗口稍大的計算區域，進而得到球體運動的移動軌跡訊息、移動速度訊息及移動方向訊息。
具體的，本發明的又一種應用實施例中，該追蹤定位演算法係為馬氏距離檢測法，用以求得球體運動的移動軌跡訊息、移動速度訊
息及移動方向訊息。
具體的，該接球件11可以是機械式夾爪、接球網子以及籃網與籃框組合的其中一種。其中，請配合參看圖1所示，本發明一種較佳實施例，該機械式夾爪110內周近外圍處環設有一碰撞式膨脹氣囊12。該碰撞式膨脹氣囊12由設置在多軸機械手臂10上的一氣源裝置13供應氣體，且其位於該機械式夾爪110中央處設有一碰撞感測器14。當該碰撞感測器14承受該球體的一碰撞力時，即啟動該氣源裝置13供應氣體至該碰撞式膨脹氣囊12，使該碰撞式膨脹氣囊12膨脹，進而以膨脹的該碰撞式膨脹氣囊12有效抓住該球體1。
具體的，請參看圖所示，該影像擷取裝置20係透過一架設機構21而位於多軸機械手臂10的後上方位置。
經由上述具體實施例的說明后，本發明確實可以精準定位出較佳的接球位置，以實現完美的接球運動娛樂效果，藉以解決傳統特徵目標定位技術移動過快或過慢間題及過度操作所致耗電過大等缺失，因而得以有效延長機械手臂的接球運作時間。
以上所述，僅為本發明之可行實施例，並非用以限定本發明之專利範圍，凡舉依據下列請求項所述之內容、特徵以及其精神而為之其他變化的等效實施，皆應包含於本發明之專利範圍內。本發明所具體界定於請求項之結構特徵，未見於同類物品，且具實用性與進步性，已符合發明專利要件，爰依法具文提出申請，謹請 鈞局依法核予專利，以維護本申請人合法之權益。
1:球體
10:多軸機械手臂
11:接球件
110:機械式夾爪
12:碰撞式膨脹氣囊
13:氣源裝置
14:碰撞感測器
20:影像擷取裝置
21:架設機構
L:運動軌跡
Claims (9)
- 一種應用連續自適應均值偏移演算法之機械手臂接球系統，其包括：一多軸機械手臂，其包含一接球件，該多軸機械手臂可於一移動範圍內以該接球件來接住呈抛物線運動的一球體；一影像擷取裝置，其設於該多軸機械手臂的附近，用以對於呈抛物線運動的該球體進行連續性的影像擷取，以連續成像為複數幀球體運動影像；及一中央控制單元，其包含一用以對該複數幀球體運動影像進行影像處理與影像辨識的影像辨識模組，該影像辨識模組係利用一追蹤定位演算法對即時連續擷取之該複數幀球體運動影像進行該球體的運動追蹤運算，以得到該球體運動的移動軌跡訊息、移動速度訊息及移動方向訊息，並由該移動軌跡訊息、該移動速度訊息及該移動方向訊息來預測出該球體運動的落點位置，並輸出與該落點位置相應的控制訊號，以驅動該多軸機械手臂之該接球件抵達所預測的該球體落點位置，使該多軸機械手臂利用該接球件來接住該球體；其中，該追蹤定位演算法係為連續自適應均值偏移演算法，該連續自適應均值偏移演算法執行時包括一視窗追蹤定位步驟，執行該視窗追蹤定位步驟時，係將球體運動影轉成HSV影像，並包含下列步驟：第一步驟，選擇初始視窗的大小及位置；第二步驟，計算該視窗之目標區域內的色調直方圖；第三步驟，將該直方圖作反向投影得到色調的概率分佈圖；第四步驟，由該概率分佈圖得到搜索窗口的質心位置； 第五步驟，根據該窗口中像素值綜合調整窗口大小，並將該窗口中心移到質心位置；第六步驟，判斷是否達到收斂的門檻；第七步驟，判斷結果為否，則回到第四步驟；判斷結果為是，得到目標的中心位置(x,y)的疊代次數；第八步驟，使用當前目標的質心(x,y)與搜索窗口的大小初始化下一個搜索窗口；及第九步驟，在搜索窗口位置設置比搜索窗口稍大的計算區域，進而得到球體運動的移動軌跡訊息、移動速度訊息及移動方向訊息。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該影像辨識模組對該複數幀球體運動影像進行影像特徵擷取，將該球體運動影像的背景去除後擷取出前景的球體影像，並由該球體影像計算出像素寬度，再將該像素寬度與已知的該影像擷取裝置之鏡頭焦距及該球體實際寬度值代入一影像距離演算法，以計算出該球體與該影像擷取裝置之間的距離值，再由該距離值來預測該球體的落點時間，以輸出與該落點位置及該落點時間相應的該控制訊號。
- 如請求項2所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該影像距離演算法表示為：距離值D=鏡頭焦距F×球體實際寬度值W/像素寬度W1。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該追蹤定位演算法係為影像定位法，該影像辨識模組建立有一區塊參數資料庫，該區塊參數資料庫設定有複數呈框格排列的區塊，每一該區塊各自設定有至少一座標參數資料；該影像定位法執行時，該影像 辨識模組則輸入即時之該球體運動影像，以對該球體運動影像進行影像特徵擷取，並將該球體運動影像的背景去除後擷取出前景的球體影像，再計算出該球體影像的重心位置，再將該重心位置代入該區塊參數資料庫中，以解讀出該重心位置所處該區塊的該座標參數資料而產生相應的座標位置訊息；當該影像辨識模組輸入下一幀該球體運動影像時，則重覆該影像定位法的步驟，以得到下一幀該球體運動影像的該球體影像之重心位置的該座標位置訊息，當該影像辨識模組所輸入該球體運動影像達到預設的幀數時，則重覆該影像定位法之步驟而得到最後一幀該球體運動影像的該球體影像之重心位置的該座標位置訊息，而可藉由不同幀數之各該球體影像的各該座標位置訊息而求得該球體運動的該移動軌跡訊息、該移動速度訊息及該移動方向訊息。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該連續自適應均值偏移演算法包括下列步驟：第一步驟，該影像辨識模組則輸入即時之該球體運動影像，以對該球體運動影像進行影像特徵擷取，並將該球體運動影像的背景去除後擷取出前景的球體影像；第二步驟，由該球體運動影像獲取運動影像資訊；第三步驟，對該運動影像資訊進行反向投影以獲取出反向投影圖；第四步驟，依據該反向投影圖與該球體影像進行平均轉移疊代；及第五步驟，輸入下一幀該球體運動影像時，係使用上一幀輸出的該球體影像進行該平均轉移疊代，以得到該球體運動的該移動軌跡訊息、該移動速度訊息及該移動方向訊息。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該追蹤定位演算法係為馬氏距離檢測法，用以求得該球體運動的該移動軌跡訊息、該移動速度訊息及該移動方向訊息。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該接球件係選自機械式夾爪、接球網子以及籃網與籃框組合的其中一種。
- 如請求項7所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該機械式夾爪內周近外圍處環設有一碰撞式膨脹氣囊；該碰撞式膨脹氣囊由一氣源裝置供應氣體，且其位於該機械式夾爪中央處設有一碰撞感測器；當該碰撞感測器承受該球體的一碰撞力時，即啟動該氣源裝置供應氣體至該碰撞式膨脹氣囊，使該碰撞式膨脹氣囊膨脹，進而以膨脹的該碰撞式膨脹氣囊有效抓住該球體。
- 如請求項1所述之應用連續自適應均值偏移演算法之機械手臂接球系統，其中，該影像擷取裝置係透過一架設機構而位於該多軸機械手臂的後上方位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111121870A TWI818586B (zh) | 2022-06-13 | 2022-06-13 | 應用連續自適應均值偏移演算法之機械手臂接球系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW111121870A TWI818586B (zh) | 2022-06-13 | 2022-06-13 | 應用連續自適應均值偏移演算法之機械手臂接球系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI818586B true TWI818586B (zh) | 2023-10-11 |
| TW202349340A TW202349340A (zh) | 2023-12-16 |
Family
ID=89857488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111121870A TWI818586B (zh) | 2022-06-13 | 2022-06-13 | 應用連續自適應均值偏移演算法之機械手臂接球系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI818586B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201526964A (zh) * | 2014-01-03 | 2015-07-16 | Nat Univ Chin Yi Technology | 可攜式保齡球實體操作運動遊戲機 |
| CN107767392A (zh) * | 2017-10-20 | 2018-03-06 | 西南交通大学 | 一种适应遮挡场景的球类运动轨迹追踪方法 |
| CN109333549A (zh) * | 2018-10-25 | 2019-02-15 | 湖南大学 | 一种基于机器视觉的乒乓球拾取移动机器人及控制方法 |
| TWI693829B (zh) * | 2018-12-24 | 2020-05-11 | 緯創資通股份有限公司 | 電子裝置及其影像測距方法 |
| TWI708667B (zh) * | 2019-09-27 | 2020-11-01 | 國立臺灣大學 | 運動裝置之位置與姿態校正裝置及系統與方法 |
| CN112085761A (zh) * | 2020-09-10 | 2020-12-15 | 上海庞勃特科技有限公司 | 乒乓球轨迹捕捉分析方法及分析系统 |
| TWI728544B (zh) * | 2019-11-08 | 2021-05-21 | 國立虎尾科技大學 | 袋式栽培菇類自動化採收系統及其方法 |
-
2022
- 2022-06-13 TW TW111121870A patent/TWI818586B/zh active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201526964A (zh) * | 2014-01-03 | 2015-07-16 | Nat Univ Chin Yi Technology | 可攜式保齡球實體操作運動遊戲機 |
| CN107767392A (zh) * | 2017-10-20 | 2018-03-06 | 西南交通大学 | 一种适应遮挡场景的球类运动轨迹追踪方法 |
| CN109333549A (zh) * | 2018-10-25 | 2019-02-15 | 湖南大学 | 一种基于机器视觉的乒乓球拾取移动机器人及控制方法 |
| TWI693829B (zh) * | 2018-12-24 | 2020-05-11 | 緯創資通股份有限公司 | 電子裝置及其影像測距方法 |
| TWI708667B (zh) * | 2019-09-27 | 2020-11-01 | 國立臺灣大學 | 運動裝置之位置與姿態校正裝置及系統與方法 |
| TWI728544B (zh) * | 2019-11-08 | 2021-05-21 | 國立虎尾科技大學 | 袋式栽培菇類自動化採收系統及其方法 |
| CN112085761A (zh) * | 2020-09-10 | 2020-12-15 | 上海庞勃特科技有限公司 | 乒乓球轨迹捕捉分析方法及分析系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202349340A (zh) | 2023-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110298886B (zh) | 一种基于四级卷积神经网络的灵巧手抓取规划方法 | |
| Demirdjian et al. | Constraining human body tracking | |
| Jiang et al. | Learning suction graspability considering grasp quality and robot reachability for bin-picking | |
| Du et al. | A multi-object grasping detection based on the improvement of YOLOv3 algorithm | |
| TWI818586B (zh) | 應用連續自適應均值偏移演算法之機械手臂接球系統 | |
| Noguchi et al. | Tool as embodiment for recursive manipulation | |
| Li et al. | An intelligence image processing method of visual servo system in complex environment | |
| Dyrstad et al. | Bin picking of reflective steel parts using a dual-resolution convolutional neural network trained in a simulated environment | |
| CN115533895B (zh) | 一种基于视觉的二指机械手工件抓取方法及系统 | |
| Chandra et al. | Garbage detection and path-planning in autonomous robots | |
| Yu et al. | Object recognition and robot grasping technology based on RGB-D data | |
| Gu et al. | Cooperative Grasp Detection using Convolutional Neural Network | |
| Ryou et al. | Applying asynchronous deep classification networks and gaming reinforcement learning-based motion planners to mobile robots | |
| Ma et al. | The Workpiece Sorting Method Based on Improved YOLOv5 For Vision Robotic Arm | |
| Geng et al. | A Novel Real-time Grasping Method Cobimbed with YOLO and GDFCN | |
| Tokuda et al. | CNN-based Visual Servoing for Simultaneous Positioning and Flattening of Soft Fabric Parts | |
| CN113420752A (zh) | 基于抓取点检测的三指手势生成方法及系统 | |
| Fang et al. | A pick-and-throw method for enhancing robotic sorting ability via deep reinforcement learning | |
| Gao | Sensor fusion and stroke learning in robotic table tennis | |
| Kim et al. | Real-time hand grasp recognition using weakly supervised two-stage convolutional neural networks for understanding manipulation actions | |
| Du et al. | A Target Detection System for Mobile Robot Based On Single Shot Multibox Detector Neural Network | |
| Tokuda et al. | CNN-based Visual Servoing for Pose Control of Soft Fabric Parts | |
| Pan et al. | A Robot Manipulator Grasping Method Based on Improved YOLOX | |
| CN116862953B (zh) | 一种面向运动背景的运动小目标实时检测跟踪装置及方法 | |
| Zhong et al. | A Lightweight Object Detection Network for Industrial Robot Based YOLOv5 |