一种带后处理的单多任务深度神经网络用于推理目标检测与机器人抓取检测
计算机视觉与模式识别
2019-09-17 v1 机器人学
摘要
近来，机器人抓取检测（GD）与带推理的目标检测（OD）已使用深度神经网络（DNNs）进行研究。已有工作采用分离网络组合这些多任务，使机器人能够处理通过单个 RGB-D 相机在杂乱、堆叠、复杂的未知物体堆中抓取特定目标物体的情形。我们提出一种单多任务 DNN，通过简单的后处理输出关于 GD、OD 及物体间关系推理的信息。我们提出的方法在 VMRD 与 Cornell 数据集上分别以 98.6% 与 74.2% 的准确率和 33 及 62 帧每秒的计算速度取得了当前最优（SOTA）性能。我们的方法在 4 轴机械臂上单未知物体抓取成功率为 95.3%，在 Baxter 机器人杂乱未知物体中抓取成功率为 86.7%。
引用
@article{arxiv.1909.07050,
title = {A Single Multi-Task Deep Neural Network with Post-Processing for Object Detection with Reasoning and Robotic Grasp Detection},
author = {Dongwon Park and Yonghyeok Seo and Dongju Shin and Jaesik Choi and Se Young Chun},
journal= {arXiv preprint arXiv:1909.07050},
year = {2019}
}
备注
Dongwon Park and Yonghyeok Seo are equally contributed to this work