文献

J-GLOBAL ID：202002213306270636   整理番号：20A0595647

画像処理とランダムフォレストに基づくロボット把持検出【JST・京大機械翻訳】

Robotic grasp detection based on image processing and random forest

著者 (4件)： Zhang Jiahao (The Key Laboratory of Autonomous Systems and Networked Control, College of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Li Miao (The Institute of Technological Sciences, Wuhan University, Wuhan, China) ,  Feng Ying (The Key Laboratory of Autonomous Systems and Networked Control, College of Automation Science and Engineering, South China University of Technology, Guangzhou, China) ,  Yang Chenguang (Bristol Robotics Laboratory, University of the West of England, Bristol, UK)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 79  号： 3-4  ページ： 2427-2446  発行年： 2020年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 実時間把握検出は操作において重要な役割を果たし,特に新しい物体を把握する方法を検出するための複雑なタスクである。本論文では,ロボット把持を検出するための非常に迅速で正確な手法を提案した。主なアイデアは,典型的なRGB-Dシーンビューにおける新しいオブジェクトの把握を行うことである。著者らの目標は,あらゆる対象物に対する最良の把握を見つけることではなく,候補把握長方形における局所的最適把握を得ることである。著者らの検出作業には3つの主な寄与がある。まず第一に,改良グラフ分割手法を用いて,オブジェクト検出を行い,それは,バックグラウンドからオブジェクトを直接,高速に分離することができる。第二に,著者らは,全体的に把握長方形を探索することを避ける候補把握長方形集合を生成するために,形態的画像処理方法を開発した。最後に,著者らは,バッタを予測するためにランダムフォレストモデルを訓練して,94.26%の精度を達成した。このモデルは,主に著者らの候補把握集合におけるあらゆる要素をスコア化するために使用されて,ひとつはロボットのために最終的な把握構成に変換されるであろう。実世界実験のために,複数のオブジェクトを持つテーブルトップシーン上にこのシステムを組み立て,ロボット把持を実行するときに,組み込まれたものよりも異なる逆運動学戦略を持つBaxterロボットを制御した。Copyright The Author(s) 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *画像処理 ,  モルフォロジー ,  分割法 ,  *ロボット ,  バッタ類
準シソーラス用語： 逆運動学 ,  スコア化 ,  物体検出 ,  RGB-D ,  実時間 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (6件)： 実時間把持検出 ,  新しいオブジェクト ,  改良グラフセグメンテーション法 ,  形態学的画像処理 ,  ランダムフォレスト ,  Baxter

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)： 画像処理 ,  ランダムフォレスト ,  ロボット ,  把持