基于深度神经网络的视觉伺服
机器人学
2017-06-08 v2 计算机视觉与模式识别
摘要
我们提出了一种基于深度神经网络的方法，用于执行高精度、鲁棒且实时的六自由度视觉伺服。本文描述了如何从场景的单一真实世界图像创建一个模拟各种扰动（遮挡和光照条件）的数据集。利用该数据集对一个卷积神经网络进行微调，以估计同一场景两幅图像之间的相对位姿。然后将网络的输出用于视觉伺服控制方案。即使在具有强烈光照变化和遮挡的困难真实世界环境中，该方法也能鲁棒地收敛。在六自由度机器人实验中，获得了小于一毫米的定位误差。
引用
@article{arxiv.1705.08940,
title = {Visual Servoing from Deep Neural Networks},
author = {Quentin Bateux and Eric Marchand and Jürgen Leitner and Francois Chaumette and Peter Corke},
journal= {arXiv preprint arXiv:1705.08940},
year = {2017}
}
备注
fixed authors list