压力之下：真实场景中基于学习的模拟仪表读数识别
计算机视觉与模式识别
2024-04-16 v1 机器学习
机器人学
摘要
我们提出了一种可解释的模拟仪表读数识别框架，该框架可部署在真实世界的机器人系统上。我们的框架将读数任务分解为不同的步骤，从而能够在每个步骤检测潜在的故障。我们的系统无需预先了解仪表的类型或量程范围，并且能够提取所使用的单位。我们证明，我们的仪表读数算法能够以低于2%的相对读数误差提取读数。
引用
@article{arxiv.2404.08785,
title = {Under pressure: learning-based analog gauge reading in the wild},
author = {Maurits Reitsma and Julian Keller and Kenneth Blomqvist and Roland Siegwart},
journal= {arXiv preprint arXiv:2404.08785},
year = {2024}
}
备注
7 pages, 8 figures, accepted for presentation at the 2024 IEEE International Conference on Robotics and Automation (ICRA) and for inclusion in the conference proceedings, finalist for the IEEE ICRA 2024 Best Paper Award in Automation, source code https://github.com/ethz-asl/analog_gauge_reader, Autonomous Systems Lab, ETH Zurich