资源相关
1 项目地址
https://lianghongzhuo.github.io/PointNetGPD/
2 源码地址
https://github.com/lianghongzhuo/PointNetGPD
3 论文地址
https://arxiv.org/pdf/1809.06267.pdf
输入输出
1 input: 点云数据
2 output: 抓取位姿(6D)(parallel-jaw)方式
contribution
1 网络轻量化
2 预测夹爪的6D位姿
3 贡献一个真实的点云抓取数据集
4 网络模型可以准确的分析出夹爪和抓取物体的几何信息,在点云数据很粗糙的情况下准确度也有保证
motivation
1 现如今的抓取预测方式都是依据RGB和Depth 结合的方式,很少考虑几何信息
2 PointNet 直接在点云做分割和分类的效果非常好
pipline
抓取实验评价指标
Meticulous grasp quality scores 包括如下两部分
1 force-closure
2 GWS analysis