01、Model-based（基于模型的方法）
這種方法很好理解，即知道要抓什么，事先采用實物掃描的方式，提前將模型的數據給到機器人系統，機器在實際抓取中就只需要進行較少的運算：
1. 離線計算：根據搭載的末端類型，對每一個物體模型計算局部抓取點；
2. 在線感知：通過RGB或點云圖，計算出每個物體的三維位姿；
3. 計算抓取點：在真實世界的坐標系下，根據防碰撞等要求，選取每個物體的最佳抓取點。
RGB顏色空間由紅綠藍三種基本色組成，疊加成任意色彩，同樣地，任意一種顏色也可以拆解為三種基本色的組合，機器人通過顏色坐標值來理解“顏色”。這種方式與人眼識別顏色的方向相似，在顯示屏上廣泛采用。
02、Half-Model-based（半模型的方法）
在這種訓練方式中，不需要完全預知抓取的物體，但是需要大量類似的物體來訓練算法，讓算法得以在物品堆中有效對圖像進行“分割”，識別出物體的邊緣。這種訓練方式，需要這些流程：
1.離線訓練圖像分割算法，即把圖片里的像素按物體區分出來，此類工作一般由專門的數據標注員來處理，按工程師的需求，標注出海量圖片中的不同細節；
2.在線處理圖像分割，在人工標注出的物體上，尋找合適的抓取點。
這是一種目前應用較為廣泛的方式，也是機械臂抓取得以推進的主要推力。機械臂技術發展緩慢，但計算機視覺的圖像分割則進展迅速，也從側面撬動了機器人、無人駕駛等行業的發展。
這種訓練方式不涉及到“物體”的概念，機器直接從RGB圖像或點云圖上計算出合適的抓取點，基本思路就是在圖像上找到Antipodal（對映點），即有可能“抓的起來”的點，逐步訓練出抓取策略。
咨詢微信