CNN 在工业环境中用于 3 自由度位姿估计与抓取的有效部署
机器人学
2020-12-25 v1 计算机视觉与模式识别
摘要
在本文中，我们研究如何在实用工业环境（如机器人抓取应用）中有效部署深度学习。当提出一种基于深度学习的解决方案时，通常缺乏任何生成训练数据的简单方法。在以自动化为主要目标的工业领域，未能弥合这一差距是深度学习不如在学术界中普及的主要原因之一。因此，在这项工作中，我们开发了一个由基于卷积神经网络（CNN）的 3 自由度位姿估计器以及一种在实地以最少人工干预收集大量训练图像的有效流程组成的系统。通过自动化标注阶段，我们也获得了非常适合生产级使用的非常鲁棒的系统。我们提供了我们解决方案的开源实现，以及用于实验评估的数据集。
引用
@article{arxiv.2012.13210,
title = {Effective Deployment of CNNs for 3DoF Pose Estimation and Grasping in Industrial Settings},
author = {Daniele De Gregorio and Riccardo Zanella and Gianluca Palli and Luigi Di Stefano},
journal= {arXiv preprint arXiv:2012.13210},
year = {2020}
}