基于几何的区域提议用于桌面物体的实时机器人检测
机器人学
2017-03-16 v1 计算机视觉与模式识别
摘要
我们提出了一种新颖的物体检测流水线，用于在三维环境中定位和识别。我们的方法利用 RGB-D 传感器，并结合机器人和计算机视觉社区的最先进技术，以创建鲁棒、实时的检测系统。我们专门专注于解决桌面场景中的物体检测问题，这是辅助操纵器的常见环境。我们的检测流水线在场景的点云表示中定位物体。这些簇随后被用于计算 RGB 空间中每个物体周围的边界框。每个定义的补丁然后被输入卷积神经网络 (CNN) 以进行物体识别。我们还展示了我们的区域提议方法可用于开发新颖的数据集，这些数据集既足够大且多样以训练深度学习模型，又足够容易收集以使最终用户可以开发他们自己的数据集。最后，我们通过全面分析整个流水线的准确性和运行时间来验证所得系统。
引用
@article{arxiv.1703.04665,
title = {Geometry-Based Region Proposals for Real-Time Robot Detection of Tabletop Objects},
author = {Alexander Broad and Brenna Argall},
journal= {arXiv preprint arXiv:1703.04665},
year = {2017}
}
备注
Update based on work presented at RSS 2016 Deep Learning Workshop