基于旋转集成模块的全卷积神经网络实时高精度机器人抓取检测
计算机视觉与模式识别
2019-09-19 v3 机器人学
摘要
旋转不变性一直是计算机视觉任务中的重要课题。理想情况下，机器人抓取检测应具备旋转不变性。然而，机器人抓取检测中的旋转不变性近来才通过常耗时且对多物体不可靠的旋转锚框得以研究。在本文中，我们提出了一种用于机器人抓取检测的旋转集成模块(REM)，该模块利用旋转网络权重的卷积实现。我们提出的 REM 在 Cornell 数据集上以实时计算（每秒 50 帧）取得了高达 99.2%（图像级）、98.6%（物体级）的准确率，优于当前最先进方法。我们所提方法还能对多个物体产生可靠抓取，并在 4 轴机械臂对小尺寸新物体的实时机器人抓取任务中达到高达 93.8% 的成功率，显著优于基线方法 11–56%。
引用
@article{arxiv.1812.07762,
title = {Real-Time, Highly Accurate Robotic Grasp Detection using Fully Convolutional Neural Network with Rotation Ensemble Module},
author = {Dongwon Park and Yonghyeok Seo and Se Young Chun},
journal= {arXiv preprint arXiv:1812.07762},
year = {2019}
}
备注
7 pages, 9 figures, 4 tables