检索结果-南通市图书馆

检索条件"主题词=多尺度RGB-D融合"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的平面抓取检测算法研究

基于深度学习的平面抓取检测算法研究

引用

作者：刘丁熙北京化工大学

学位级别：硕士

近年来,随着机器人技术的迅猛发展及广泛应用,视觉抓取能力已成为智能机器人的基本能力之一,而抓取检测则是视觉抓取的核心环节。基于深度学习的平面抓取检测方法由于其高应用价值而成为了目前的研究热点。然而,如何实现在非结构化环境... 详细信息

近年来,随着机器人技术的迅猛发展及广泛应用,视觉抓取能力已成为智能机器人的基本能力之一,而抓取检测则是视觉抓取的核心环节。基于深度学习的平面抓取检测方法由于其高应用价值而成为了目前的研究热点。然而,如何实现在非结构化环境中对未知物体的鲁棒抓取,仍然是一个具有重大挑战和研究价值的问题。本文主要针对此问题展开研究,旨在保持平面抓取检测网络高效性的同时尽可能提高其检测精度与鲁棒性,本文的主要工作为:(1)针对目前主流的平面抓取检测方法往往难以充分利用rgb与深度数据中信息的问题,提出一种基于多尺度rgb-d融合策略的生成式平面抓取检测网络,该策略通过充分利用rgb与深度数据中的信息,发挥二者之间的互补性的方式来提高检测网络的检测精度与对未知物体的泛化能力。在此基础上,又提出了频域特征增强(Frequency domain Augmentation,FdA)模块与紧凑多尺度特征金字塔(Compact Multi-Scale Feature Pyramidal,CMFP)模块来进一步增强抓取检测网络的表现。该网络整体上采用了轻量级的设计,可以满足实时性要求。在Jacquard和Cornell公开数据集上的实验证实了上述多尺度rgb-d融合策略和各个模块的有效性。(2)针对目前主流的平面抓取检测网络通常是在理想的数据集环境下进行训练,而对非结构化环境下拍摄的rgb图像中存在的干扰的鲁棒性较差这一问题,提出一种由基于任意风格迁移的数据集增强策略与辅助深度图像重建(Auxiliary depth Map Restoration,AdMR)模块共同组成的抓取检测网络鲁棒性增强方法,此方法通过减轻抓取检测网络在决策过程中对纹理及颜色的偏好性,强迫抓取检测网络以物体的形状和结构等信息做出决策的方式,来减少rgb图像损坏对抓取检测网络带来的影响,从而提高抓取检测网络对于非结构化环境下拍摄的rgb图像中存在的各种干扰的鲁棒性。接下来在Cornell公开数据集的基础上建立了由18种不同种类的损坏图像构成的Cornell-Corruption数据集,并在此数据集上对应用上述方法的抓取检测网络进行鲁棒性验证,其实验结果证明了上述方法的有效性。

关键词：平面抓取检测多尺度rgb-d融合鲁棒性增强任意风格迁移深度图像重建

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：