基于 RGB 的端到端可训练深度神经网络用于机器人抓取检测与语义分割
计算机视觉与模式识别
2022-02-14 v2 机器人学
摘要
在这项工作中，我们引入了一种新颖的、端到端可训练的基于 CNN 的架构，以交付适用于平行板夹爪的抓取检测与语义分割的高质量结果。利用这一点，我们提出了一种新颖的细化模块，该模块利用先前计算的抓取检测与语义分割结果并进一步提高抓取检测精度。我们提出的网络在 Cornell 和 Jacquard 两个流行的抓取数据集上取得了最先进的精度。作为额外贡献，我们提供了 OCID 数据集的新颖扩展，使得在极具挑战性的场景中对抓取检测进行评估成为可能。使用该数据集，我们展示了语义分割可额外用于为抓取候选分配对象类别，从而可用于拾取场景中的特定对象。
引用
@article{arxiv.2107.05287,
title = {End-to-end Trainable Deep Neural Network for Robotic Grasp Detection and Semantic Segmentation from RGB},
author = {Stefan Ainetter and Friedrich Fraundorfer},
journal= {arXiv preprint arXiv:2107.05287},
year = {2022}
}