论文地址：https://arxiv.org/abs/1412.3128 1. 摘要 比目前最好的方法提高了14%的精度，在GPU上能达到13FPS 2. 基于神经网络的抓取检测 A 结构 使用AlexNet网络架构，5个卷积层+3个全连接层，卷积层有正则化和最大池化层网络结构示意图如下 B 直接回归抓取 最后一个全连接层输出6个神经元，前4个与位置和高度相关，另外2个用来表示方向

文章目录 一、GPD 教程1.1、依赖要求1.2、安装GPD1.3、使用GPD1.3.1 为点云文件生成抓取 1.4、参数1.5、可视1.6、神经网络的输入通道1.7、CNN框架1.8、Network Training1.9、抓取图像/描述符1.10、故障排除提示 二、gpd_ros 教程2.1 安装gps_ros流程：2.2 使用gpd_ros     抓取姿态检测(GPD

一、GRASP GRASP：通用职责分配软件设计模式(General Responsibility Assignment Software Patterns)，其主要思想是基于单一职责设计软件对象。         思考软件对象设计以及大型构件的流行方式是，考虑其职责、角色和协作。这是被称为职责驱动设计（RDD）的一部分。         在RDD中，我们认为软件对象具有职责，即对其所作所为

面向对象设计原则是一组指导软件设计的原则，其中GRASP（General Responsibility Assignment Software Patterns）是其中的一部分。这些原则帮助设计者确定类应该负责执行哪些职责，以及如何分配这些职责。在下面的文档中，我们将详细介绍九大GRASP原则，并提供Java语言的代码示例，以便更好地理解这些原则的应用。 1. Information Exper

题目/摘要重点 Deep Object Pose Estimation for Semantic Robotic Grasping of Household Objects 使用合成数据为机器人训练深度神经网络 操纵有望获得几乎无限数量的预标记 训练数据。合成数据一直在弥合所谓的现实差距，因此 在合成数据上训练的网络在暴露于现实世界时可以正常运行 数据。我们在 6-DoF 位姿估计的背景下探讨

太强大了，自动飞行，寻找路线，自组织，可以应用到很多地方，使用了摄像头，激光和雷达做传感器，不罗嗦了，直接看吧。 宾夕法尼亚大学GRASP实验室（General Robotics, Automation, Sensing and Perception ）飞行机器人。 转载于:https://www.cnblogs.com/yuyan/archive/2012/03/04/23790

原标题： Real-Time Grasp Detection Using Convolutional Neural Networks                基于卷积神经网络的实时抓取检测 原作者： Joseph Redmon1, Anelia Angelova 论文链接：下载地址http:// https://link.zhihu.com/?target=https://pjreddie.