文献

J-GLOBAL ID：202202259905326453   整理番号：22A0847952

カスケード深層畳込みニューラルネットワークに基づくクラッタにおけるロボットオブジェクト検出と把持【JST・京大機械翻訳】

Robotic Objects Detection and Grasping in Clutter Based on Cascaded Deep Convolutional Neural Network

著者 (5件)： Liu Dong (School of Mechanical Engineering, Dalian University of Technology, Dalian, China) ,  Tao Xiantong (School of Mechanical Engineering, Dalian University of Technology, Dalian, China) ,  Yuan Liheng (School of Mechanical Engineering, Dalian University of Technology, Dalian, China) ,  Du Yu (School of Mechanical Engineering, Dalian Jiaotong University, Dalian, China) ,  Cong Ming (School of Mechanical Engineering, Dalian University of Technology, Dalian, China)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.5004210.1-10  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
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： 複雑で変更可能なロボット操作環境は,しばしば,ロボット把握の低い成功率または失敗を引き起こす。本論文は,カスケード畳込みニューラルネットワークに基づく把持姿勢検出法を提案して,それは,非構造化環境の下で未知の不規則な対象物を把握するために適用することができた。物体の把持特性と把持位置候補結合ボックスをMask-RCNNによって抽出した。一般化を保証し,検出率を改善するために,把持角推定ネットワークY-Netを提案し,把持角度を正確に得た。把持位置の不十分な精度の問題を解決するために,把握品質分布を獲得するために,把握可能性評価ネットワークQ-Netを提案する。最後に,最適把持姿勢を,クラッタシーンにおけるロボットオブジェクト把持タスクに対して得た。実験は,それぞれ,Cornellデータセット,Jacquidデータセット,および実環境で検証した。実験結果は,提案方法がランダム姿勢と種々の形状を有する不規則な物体のためのロボット姿勢を迅速に計算できることを示した。以前の方法と比較して,それは把握精度と速度においてかなりの改善を有した。この方法は,クラッタシーンにおけるオブジェクト把持シナリオに適用でき,強い安定性とロバスト性を持っている。Copyright 2022 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： 推定 ,  *ネットワーク ,  評価 ,  *ロボット ,  精度 ,  操作 ,  検出法 ,  *クラッタ ,  ロバスト性
準シソーラス用語： *物体検出 ,  成功率 ,  検出率 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： ロボットの設計・製造・構造要素  (IC04013A) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： カスケード ,  深層畳込みニューラルネットワーク ,  クラッタ ,  ロボット ,  オブジェクト検出 ,  把持