面向机器人视觉应用的衣物形状与重量分类的连续感知
机器人学
2021-11-22 v2 计算机视觉与模式识别
摘要
我们提出了一种用于机器人洗衣任务的连续感知方法。我们的假设是，通过神经网络从视频序列中学习衣物的动态变化，可对其形状和重量进行视觉预测。在训练过程中利用连续感知，输入连续帧，网络由此学习衣物的形变方式。为评估我们的假设，我们在衣物被操控时采集了40K RGB和40K深度视频序列的数据集。我们还进行了消融研究，以理解神经网络是否学习了衣物的物理与动态属性。我们的发现表明，改进的AlexNet-LSTM架构对衣物形状和重量的分类性能最佳。为进一步提供连续感知促进衣物形状和重量预测的证据，我们在未见过的视频序列上评估了我们的网络，并计算了一系列预测的“移动平均”（Moving Average）。我们发现，我们的网络对衣物形状和重量的分类准确率分别为48%和60%。
引用
@article{arxiv.2011.06089,
title = {Continuous Perception for Classifying Shapes and Weights of Garmentsfor Robotic Vision Applications},
author = {Li Duan and Gerardo Aragon-Camarasa},
journal= {arXiv preprint arXiv:2011.06089},
year = {2021}
}
备注
Accepted by the 17th International Conference on Computer Vision Theory and Applications