文献

J-GLOBAL ID：201702278362509774   整理番号：17A0056121

ヒューマノイド深い学習と占有ボクセルグリッド地図による陸棚ビンピッキングのための3Dオブジェクトセグメンテーション【Powered by NICT】

3D object segmentation for shelf bin picking by humanoid with deep learning and occupancy voxel grid map

著者 (4件)： Wada Kentaro (Department of Mechano-Informatics. The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-8656, Japan) ,  Murooka Masaki (Department of Mechano-Informatics. The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-8656, Japan) ,  Okada Kei (Department of Mechano-Informatics. The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-8656, Japan) ,  Inaba Masayuki (Department of Mechano-Informatics. The University of Tokyo, 7-3-1 Hongo, Bunkyo-ku, Tokyo 113-8656, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Humanoids  ページ： 1149-1154  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 陸棚ビンのような狭い空間における選択対象は環境から対象物体を抽出するヒューマノイドのための重要な課題である。状況では,しかしながら,カメラと対象の間の多くの閉塞であり,これは,三次元センサ入力の欠如のために,対象物三を分割次元を困難にしている。複数カメラ角とともに蓄積セグメンテーション結果であり,対象物体のボクセルモデルを生成するこの問題を取り上げて論じた。著者らのアプローチは二成分から構成され,最初の畳込みネットワークを用いた入力画像に対して物体確率予測であり,第二は,オブジェクトセグメンテーションのために設計された発電ボクセルグリッドマップである。狭い棚ビン中のターゲット物体のピッキングタスク実験法を評価した。著者らの方法は,閉塞であっても密な3次元物体セグメントを生成し,実際のロボットは狭い空間から標的物体を抽出することに成功した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： センサ ,  ネットワーク ,  *三次元 ,  ロボット ,  *セグメンテーション ,  画像 ,  カメラ ,  畳込み ,  *大陸棚 ,  発電
準シソーラス用語： 確率予測 ,  ボクセルモデル ,  *オブジェクトセグメンテーション , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ロボットの運動・制御  (IC04012J) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (8件)： ヒューマノイド ,  学習 ,  ボクセル ,  グリッド ,  地図 ,  陸棚 ,  3D ,  オブジェクトセグメンテーション