利用卷积神经网络改进机器人抓取检测成功率
机器人学
2024-03-12 v1 计算机视觉与模式识别
摘要
机器人抓取应以适当的精度实时执行。感知是该过程的首要且关键步骤。本文提出了一种改进的流水线模型，试图将抓取检测为矩形表示，以适用于不同可见或不可见的物体。这有助于机器人从更接近物体正确部位的位置开始控制程序。主要思想包括预处理、输出归一化和数据增强，旨在不降低系统速度的情况下将精度提高 4.3%。此外，本文还对不同的预训练模型（如 AlexNet、ResNet、Vgg19）进行了比较，这些是物体检测中图像处理最著名的特征提取器。尽管 AlexNet 的复杂度低于其他模型，但其表现优于它们，从而有助于实现实时特性。
引用
@article{arxiv.2403.05211,
title = {Improving the Successful Robotic Grasp Detection Using Convolutional Neural Networks},
author = {Hamed Hosseini and Mehdi Tale Masouleh and Ahmad Kalhor},
journal= {arXiv preprint arXiv:2403.05211},
year = {2024}
}