文献

J-GLOBAL ID：201902264736159562   整理番号：19A1118045

最小データセットによる6自由度物体姿勢推定に向けて【JST・京大機械翻訳】

Toward 6 DOF Object Pose Estimation with Minimum Dataset

著者 (5件)： Suzui Kota (CNRS-AIST JRL (Joint Robotics Laboratory) UMI3218/RL, National Institute of Advanced Industrial Science and Technology (AIST), Japan) ,  Yoshiyasu Yusuke (CNRS-AIST JRL (Joint Robotics Laboratory) UMI3218/RL, National Institute of Advanced Industrial Science and Technology (AIST), Japan) ,  Gabas Antonio (CNRS-AIST JRL (Joint Robotics Laboratory) UMI3218/RL, National Institute of Advanced Industrial Science and Technology (AIST), Japan) ,  Kanehiro Fumio (CNRS-AIST JRL (Joint Robotics Laboratory) UMI3218/RL, National Institute of Advanced Industrial Science and Technology (AIST), Japan) ,  Yoshida Eiichi (CNRS-AIST JRL (Joint Robotics Laboratory) UMI3218/RL, National Institute of Advanced Industrial Science and Technology (AIST), Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SII  ページ： 462-467  発行年： 2019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： 本研究では,畳込みニューラルネットワーク(CNN)に基づいて,6自由度物体姿勢(3D方位と位置)を推定する方法を提案した。物体の三次元配向を予測するRotionCNNを提案した。対象物の位置は,オブジェクトのクラスを予測するオブジェクト検出CNNとその周りのボックスボックスを用いて推定される。大規模データベースを用いてCNNを訓練する方法とは異なり,提案システムは,ロボットが使用されている場合と類似の局所環境で得られた最小データセットで訓練される。WebカメラとARマーカに基づく提案した半自動化データセット収集技術により,異なる環境におけるユーザは,それら自身の環境に適したネットワークを比較的容易かつ迅速に訓練することができる。このアプローチは実際のロボット応用に適していると信じる。RotationCNNを用いた3D方位予測に関する結果は,平均誤差18.9度を示し,それは,CNNsで得られた姿勢を精密化するために,深さデータを用いた反復最近接点(ICP)アルゴリズムを成功裏に実行するための初期解として十分低いことを経験的に見出した。提案した方法の有効性を,ロボットマニピュレータによる物体把握にこの方法を適用することにより検証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *自由度 ,  有効性 ,  三次元 ,  ロボット ,  アルゴリズム ,  予測 ,  ネットワーク ,  精密化 ,  ロボットマニピュレータ ,  Webカメラ ,  物体検出 ,  畳込みニューラルネットワーク
準シソーラス用語： 半自動化 ,  ARマーカ ,  *姿勢推定 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： データセット ,  6自由度 ,  物体 ,  姿勢推定