使用全卷积神经网络与高分辨率图像实现实时、高精度机器人抓取检测
计算机视觉与模式识别
2019-09-17 v2 机器人学
摘要
针对新物体的机器人抓取检测是一项具有挑战性的任务，但在过去几年中，基于深度学习的方法利用RGB-D数据取得了显著的性能提升，准确率高达96.1%。在本文中，我们提出基于全卷积神经网络（FCNN）的机器人抓取检测方法。我们的方法在Cornell数据集上也以高分辨率图像（每张360x360图像6-20毫秒）达到了最先进的检测准确率（高达96.6%）和最先进的实时计算时间。由于采用FCNN，我们提出的方法可应用于任意尺寸图像，以检测多物体上的多重抓取。所提方法通过使用四轴机械臂、小型平行夹爪和RGB-D相机对具有挑战性的小型新物体进行抓取评估。通过我们提出的基于学习的全自动视觉-机器人坐标标定，所提方法取得了90%的成功率。
引用
@article{arxiv.1809.05828,
title = {Real-Time, Highly Accurate Robotic Grasp Detection using Fully Convolutional Neural Networks with High-Resolution Images},
author = {Dongwon Park and Yonghyeok Seo and Se Young Chun},
journal= {arXiv preprint arXiv:1809.05828},
year = {2019}
}
备注
This work was superceded by arXiv:1812.07762