用于布料抓取点定位的中心方向网络
计算机视觉与模式识别
2024-09-13 v1
摘要
抓取对象是机器人和计算机视觉中的基本挑战，对于发展机器人操作能力至关重要。可变形对象，如布料和布，由于其非刚性本质，提出了额外的挑战。本文介绍了CeDiRNet-3DoF，一种用于抓取点检测的深度学习模型，特别关注布料对象。CeDiRNet-3DoF采用中心方向回归和局部化网络，在ICRA 2023布料操控挑战赛中在感知任务中取得第一名。鉴于文献中缺乏标准化基准会阻碍有效的方法比较，我们提出了ViCoS Towel数据集。该广泛的基准数据集包含8000张真实图像和12000张合成图像，作为训练和评估当代数据驱动深度学习方法的强大资源。广泛的评估显示，CeDiRNet-3DoF在实际性能中具有鲁棒性，优于包括最新基于变换器模型在内的现有最先进方法。我们的工作填补了关键差距，为计算机视觉和机器人学中的布料抓取提供了稳健的解决方案和基准。代码和数据集可在https://github.com/vicoslab/CeDiRNet-3DoF 获取。
引用
@article{arxiv.2408.14456,
title = {Center Direction Network for Grasping Point Localization on Cloths},
author = {Domen Tabernik and Jon Muhovič and Matej Urbas and Danijel Skočaj},
journal= {arXiv preprint arXiv:2408.14456},
year = {2024}
}
备注
Accepted for publication in IEEE Robotics and Automation Letters