乐高机器学习精选

精心筛选的资源列表，专注于乐高积木的机器学习应用。

零件分类

应用

Brickognize [2022.12]，作者演讲 [2022.07] - 可识别任何乐高零件、人仔或套装的网页应用。
Bricksee [2022.11] - 用于整理乐高收藏的移动应用，具有从照片中检测零件的功能。
BrickMonkey [2022.11] - 用于识别人仔和零件的移动应用。
RebrickNet [2022.01] - rebrickable.com上的网页应用。目前可检测和识别300种不同零件和未指定数量的颜色。使用用户提交的真实视频和照片进行训练。
Minifig Finder [2021.12] - 用于人仔识别的网页应用。使用Mask R-CNN检测单个部件（头部、躯干和腿部），并使用度量学习进行分类。目前似乎已被废弃且无法使用。
未命名移动应用 [2021.10]，更新1 [2021.11]，更新2 [2021.12] - 未命名且未发布的移动应用。使用LDraw渲染图像训练分类器。第一个版本只能识别六种不同的零件。
Brickit [2021.07] - 用于检测零件并推荐可用这些零件构建的模型的移动应用。
Brickly [2021.04] - 未完成且未发布的零件检测和识别应用。
Instabrick，Kickstarter [2019.10]，评测 [2021.04] - 用于零件识别和清单管理的相机和网页应用。
BrickBanker [2020.12] - 可检测多达2000种不同零件的移动应用。

分拣机

DIY乐高分拣机设计选择背景 [2023.12] - 本文深入探讨了我们特定分拣机的细节和各个组件，解释了各种设计决策背后的理由。
探索乐高分拣机：设计调查 [2023.12] - 本文全面概述了现有各种乐高分拣机。
BrickSortingMachine [2023.08]，博客，代码，乐高搭建说明 - 一款乐高积木分拣机。
乐高分拣机 [2023.08] - 正在开发中的分拣机。
Nexus [2023.03] - 开源分拣机，提供CAD设计和代码。
标准分拣机v1.0 [2023.01] - 可根据颜色和/或尺寸进行分拣的机械臂。
大型机器人 [2022.06] - 建造乐高AI开源分拣机的倡议。
通用乐高分拣机 [2022.06]，描述 - 为BSL Bricks商店建造的分拣机。
深度学习乐高分拣机 [2021.11] - 用乐高搭建的分拣机，提供说明和代码。
乐高自动分拣机LegoLAS 2.0 [2021.08]，描述（德语），CAD - 工程计算机科学和计算数学实验室的学生项目。
DISBY分拣机 [2021.01] - DISBY是世界首个自动乐高积木分拣系统。它采用新型AI系统，根据从互联网获取的最小形式描述（如尺寸、重量和描述）识别积木。
世界首台通用乐高分拣机 [2019.12]，分类器 [2019.12]，数据集 [2019.03]，CV流程 [2019.08] - Daniel West建造的分拣机。
形状分拣器 [2019.06]，博客 - 形状分拣器是一款利用神经网络、图像处理软件、传送带和气流喷射的乐高分拣机。
使用Raspberry Pi上的TensorFlow的乐高分拣机 [2018.09] - 可识别11种不同零件的分拣机。
Letzgo分拣机 [2018.01] - 为Letzgo公司建造的分拣机。有几个更多的视频可用，但细节不多。
自动乐高分拣机 - 包含分拣机设计的学生报告。主要涉及机器的机械方面。
分拣2吨乐高积木 [2017.04]，软件方面 [2017.05] - 首批公开描述的使用机器学习进行零件分类的分拣机之一。

其他项目

JetClean [2022.10] - JetClean是一款小型乐高清洁机器人，能够自主在您的卧室周围导航并保持整洁！

代码

LegoSorter [2023.09] - 一个可以识别和计数乐高积木的移动应用程序代码。包括渲染数据集、训练模型和应用程序后端的脚本。
OpenBlok [2022.11] - OpenBlok是由blokbot.io开发的开源乐高识别和分类系统，使用人工智能模型。
乐高积木识别 [2020.03] - 生成合成数据集并训练15种不同零件分类器的代码。
乐高分类器 [2019.08] - 详细描述了零件分类器的训练过程及其在Arduino上的部署。
乐高检测器 [2019.03] - 训练分类器的代码。

论文

Brickinspector [2023.02], 论文 - 该论文描述了使用合成数据训练语义分割模型以检测乐高零件的过程。
如何对它们进行分类？用于乐高积木分类的网络 [2022.07] - 该论文比较了28个用于图像分类的模型，这些模型经过训练可以识别447种不同的乐高积木。
基于分层两步神经网络的乐高积木检测和标记 [2021.04] - 该论文提出了一个两步系统来识别乐高积木——检测和分类。该模型仅限于识别10种不同的零件。
乐高识别工具 [2018.03] - 这篇毕业论文描述了开发一台能够识别乐高积木并将其分类到盒子中的机器的过程。

数据集

B200乐高检测数据集 [2024.03] - 用于零件检测的数据集。包含200种不同零件的2000张高质量渲染图像。
乐高积木的照片和渲染图像 [2023.11] - 该论文描述了一系列包含乐高积木渲染图和实物照片的数据集。这些数据集包含约155,000张照片和近1,500,000张渲染图。
传送带上乐高积木的视频 [2022.01] - 该数据集包含乐高积木在白色传送带上移动的视频，用于训练分类机器的分类器。
B200C乐高分类数据集 [2021.08], 代码 - 用于零件分类的数据集。包含200种不同零件的80万张高质量渲染图像。
用于训练分类网络的乐高积木 [2021.06] - 用于零件分类的数据集。包含447种不同零件的图像，包括实物照片（52,000张）和渲染图（567,000张）。
带标记的乐高积木图像 [2021.02] - 用于零件检测的数据集。包含2933张照片和2908张带有边界框标注的渲染图。不包含零件ID信息。
乐高积木分类 [2018.12] - 用于零件分类的数据集。包含20种不同零件的4,580张照片。
乐高与仿制积木 [2018.12] - 用于识别原装和仿制积木的数据集。包含6种积木类型的12个类别，以及由4台相机拍摄的20,000多张图像。

零件渲染

乐高渲染流程 [2023.06] - 用于半真实单个零件的渲染流程。
乐高多目标检测 [2021.11] - 生成乐高零件渲染图和相应边界框的脚本。使用Python和Blender。
BrickRegistration [2021.11] - 一个生成带有乐高零件及其分割信息的合成3D场景的工具。
用于机器学习项目的乐高渲染器 [2020.01] - 一组用于渲染乐高场景的Python脚本/Blender工具，可用于深度学习/计算机视觉项目。包括带跟踪相机的基本场景、用于渲染图像、法线、乐高组合掩码的脚本，以及用于轻松记录不同零件特殊特征（如凸块、角落、孔）位置的工具。
为Rebrickable渲染LDraw零件图像 [2018.10] - 详细描述Rebrickable如何渲染其图像的综合指南。

了解零件ID和颜色

Rebrickable编号 [2023.02]
理解乐高零件编号 [2020.10]
乐高颜色的奇特案例 [2016.09] - 这篇文章探讨了定义精确乐高颜色调色板的困难。讨论了各种列表、转换和颜色系统。
让我们谈谈零件分类
LDraw零件编号规范
Bricklink物品编号

生成套装

论文

3分钟内用积木塑造自己 [2022.05] - 给定输入的肖像，它使用几个深度神经网络提取属性来描述图像中显示的人类外貌。基于这些属性，该模型通过坐标下降算法迭代搜索积木组件来生成相应的无色积木模型。最后，它为每个积木分配颜色以获得最终的积木模型。
Image2Lego：从图像生成定制乐高套装 [2021.08] - 该系统以图像作为输入，将其编码为嵌入，生成体素化的3D模型，最后将其转换为乐高积木。该模型联合训练3D模型自动编码器和2D到3D编码器。
生动乐高建筑雕塑的自动生成 [2019] - 介绍了一个自动系统，将建筑模型转换为乐高雕塑，同时保留原始模型的形状特征，如重复组件、形状细节和平面性。
乐高化：优化乐高设计 [2015] - 将3D模型转换为体素化3D模型，然后转换为乐高积木。该论文侧重于优化生成设计的物理稳定性。
自动化乐高组装构建调查 [2014] - 关于将3D模型转换为乐高模型的调查论文。