Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2509.00064v1

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2509.00064v1 (cs)
[提交于 2025年8月26日 ]

标题: OpenTie:开放词汇顺序绑扎系统

标题: OpenTie: Open-vocabulary Sequential Rebar Tying System

Authors:Mingze Liu, Sai Fan, Haozhen Li, Haobo Liang, Yixing Yuan, Yanke Wang
摘要: 在建筑工地上,由于能够应对复杂的挑战,尤其是在涉及钢筋的场景中,机器人施工成为一种引人注目的方法。 现有的大多数产品和研究主要集中在平面钢筋布置上,需要模型训练。 为了填补这一空白,我们提出了OpenTie,这是一种无需3D训练的钢筋绑扎框架,利用了RGB到点云生成和开放词汇检测。 我们通过配备双目相机的机械臂实现了OpenTie,并通过在我们提出的基于图像到点云生成框架的后处理过程过滤后的图像上应用基于提示的对象检测方法,保证了高精度。 该系统适用于水平和垂直钢筋绑扎任务,真实世界钢筋布置的实验验证了该系统在实际中的有效性。
摘要: Robotic practices on the construction site emerge as an attention-attracting manner owing to their capability of tackle complex challenges, especially in the rebar-involved scenarios. Most of existing products and research are mainly focused on flat rebar setting with model training demands. To fulfill this gap, we propose OpenTie, a 3D training-free rebar tying framework utilizing a RGB-to-point-cloud generation and an open-vocabulary detection. We implements the OpenTie via a robotic arm with a binocular camera and guarantees a high accuracy by applying the prompt-based object detection method on the image filtered by our propose post-processing procedure based a image to point cloud generation framework. The system is flexible for horizontal and vertical rebar tying tasks and the experiments on the real-world rebar setting verifies that the effectiveness of the system in practice.
评论: 这篇文章正在初稿修订中
主题: 机器人技术 (cs.RO) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2509.00064 [cs.RO]
  (或者 arXiv:2509.00064v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2509.00064
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yanke Wang Dr. [查看电子邮件]
[v1] 星期二, 2025 年 8 月 26 日 06:25:54 UTC (10,689 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-09
切换浏览方式为:
cs
cs.CV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号