PointGrasp: Point Cloud-based Grasping for Tendon-driven Soft Robotic Glove Applications

本文提出了一个名为PointGrasp的实时系统，旨在通过分析三维点云中的物体几何形状（简单和复杂），识别日常生活活动（ADL）中的家庭场景，从而支持和增强个性化的末端-末端抓握任务的辅助。该系统由RGB-D相机、惯性测量单元和集成到肌腱驱动软性机器人手套中的微处理器组成。RGB-D相机以超过30帧每秒的速度处理3D场景。所提出的管道对于简单和复杂几何形状的平均RMSE分别为0.8±0.39 cm和0.11±0.06 cm。在每种模式下，它能够识别和定位可到达的物体。该系统在视觉驱动的机器人辅助康复手动任务中表现出很大的潜力。

论文旨在通过分析3D点云中的物体几何形状（简单和复杂），为手部外骨骼提供日常握取任务的意图理解，以帮助和增强日常生活活动（ADL）中的援助。

PointGrasp是一个实时系统，由RGB-D相机、惯性测量单元和微处理器集成到一个肌腱驱动的软机器人手套中。该系统通过处理3D场景来识别家庭场景的语义，并针对定制的端到端握取任务提供支持和增强。该系统的关键思路是通过分析物体的几何形状，确定可到达的物体，从而帮助握取任务。

论文提出的PointGrasp系统展示了很好的实验结果，对于简单几何形状的平均RMSE为0.8±0.39cm，对于复杂几何形状的平均RMSE为0.11±0.06cm。该系统在端到端视觉驱动的机器人辅助康复手动任务方面表现出很大的潜力。

最近的相关研究包括：1）基于视觉的手部外骨骼控制；2）基于深度学习的物体识别和姿态估计；3）基于视觉的机器人辅助康复。