지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 1,030 - 1,038 (9page)
- DOI
- 10.5302/J.ICROS.2023.23.0140
이용수
초록· 키워드
오류제보하기
This paper proposes an algorithm for detecting and estimating the pose of top objects in a complex environment where thin metal circular plates are randomly stacked. In complex environments where multiple instances of the same object are randomly stacked, the robot needs to detect and compare objects to identify the top ones for grasping. Our approach involves a combination of deep learning-based instance segmentation and an overlap handling algorithm for precise top object detection. Subsequently, leveraging three-dimensional geometric data, we estimate the object’s pose by determining its plane. To validate the proposed algorithm, we constructed two environments consisting of objects with different sizes and thicknesses. The first experiment quantitatively validated the object detection and overlap handling algorithm. The second experiment quantitatively compared different plane estimation algorithms. The third experiment quantitatively compared the pose of objects using the G-ICP (Generalized Iterative Closest Point) algorithm and the proposed algorithm against the ground truth pose. Additionally, we performed a qualitative comparison by visualizing the poses estimated by each algorithm in the images. In the experimental results, the overlap handling algorithm had an average success rate of 84.21%. Additionally, pose estimation using G-ICP before plane estimation frequently resulted in issues like drift in the center point and frequent misalignment with areas other than the object. On the other hand, pose estimation using G-ICP after plane estimation and the proposed algorithm yielded similar performance with average ADD-S values of 6mm or less. However, the pose estimated using the proposed algorithm resulted in a minimum 0.25x reduction in execution time compared to the G-ICP algorithm.
목차
Abstract
Ⅰ. 서론
Ⅱ. 상단 객체 검출과 자세 추정
Ⅲ. 실험 및 검증
Ⅳ. 결론
REFERENCES
참고문헌 (16)
참고문헌 신청
J. Lee, M. Lee, S. S. Kang, and S. -Y. Park, “Real-time 3-D pose estimation of small ring-shaped bin-picking objects using deep learning and ICP algorithm," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 25, no. 9, pp. 760-769, Se
A. Mousavian, C. Eppner, and D. Fox, "6-DOF GraspNet: variational grasp generation for object manipulation," 2019 IEEE/CVF International Conference on Computer Vision (ICCV), pp. 2901-2910, May. 2019.
D. -H. Kim, H. -H. Kim, and M. C. Lee, “Object recognition using YOLO based on CNN and grasping center point position error minimization algorithm," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 27, no. 12, pp. 1044-1050, Dec. 20
R. B. Rusu, N. Blodow, and M. Beetz, "Fast point feature histograms (FPFH) for 3-D registration," 2009 IEEE International Conference on Robotics and Automation, pp. 3212-3217, May. 2009.
V. Lepetit, F. Moreno-Noguer, and P. Fua, “EPnP: An accurate O (n) solution to the PnP problem," International Journal of Computer Vision, vol. 81, no. 2, pp. 155-166, Feb. 2009.
A. Mousavian, C. Eppner, and D. Fox, "6-DOF GraspNet: variational grasp generation for object manipulation," 2019 IEEE/CVF International Conference on Computer Vision (ICCV), pp. 2901-2910, May. 2019.
D. -H. Kim, H. -H. Kim, and M. C. Lee, “Object recognition using YOLO based on CNN and grasping center point position error minimization algorithm," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 27, no. 12, pp. 1044-1050, Dec. 20
R. B. Rusu, N. Blodow, and M. Beetz, "Fast point feature histograms (FPFH) for 3-D registration," 2009 IEEE International Conference on Robotics and Automation, pp. 3212-3217, May. 2009.
V. Lepetit, F. Moreno-Noguer, and P. Fua, “EPnP: An accurate O (n) solution to the PnP problem," International Journal of Computer Vision, vol. 81, no. 2, pp. 155-166, Feb. 2009.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
3D 모델 기반의 3D Pose Estimation의 성능 향상 알고리즘
한국방송미디어공학회 학술발표대회 논문집
2021 .11
-
사람과 사족 동물의 공통형상 모델 기반 자세추정기법
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
물체의 정밀 측정을 위한 인식 및 3 차원 자세 추정
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
선분 분할 탐지를 활용한 마스크 된 이미지 내의 물체 6 자유도 자세 추정
제어로봇시스템학회 논문지
2022 .06
-
Synthesizing Challenging Pose Images for 2D Human Pose Estimation
한국정보과학회 학술발표논문집
2022 .06
-
가우시안 모델링을 기반으로 한 정확한 포즈 추정 기법
대한전자공학회 학술대회
2021 .06
-
From 2D Human Pose Estimation to 3D Human Pose Estimation using Deep Learning
대한전자공학회 학술대회
2021 .06
-
딥러닝과 ICP 알고리즘을 이용한 링 모양의 소형 빈피킹 물체의 실시간 3차원 자세 추정
제어로봇시스템학회 논문지
2019 .09
-
YOLOv8 기반 3D 객체 인식 및 자세 추정 기술개발
한국정밀공학회 학술발표대회 논문집
2024 .11
-
Pose-estimation 기반 재활 운동 가이드 생성에 관한 연구
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
차량 안전 제어를 위한 파티클 필터 기반의 강건한 다중 인체 3차원 자세 추정
자동차안전학회지
2022 .09
-
Distributed Cooperative Object Pose Estimation in Multi-Sensor Networks
제어로봇시스템학회 국제학술대회 논문집
2019 .10
-
Robust 2D human upper-body pose estimation with fully convolutional network
Advances in robotics research
2018 .01
-
자세 추정을 기반으로 한 실시간 행동인식 알고리즘
대한전자공학회 학술대회
2018 .06
-
단계적 딥러닝 네트워크 학습 방법을 통한 3차원 관절 좌표 추정
대한전자공학회 학술대회
2019 .11
-
3D 휴먼 자세 추정을 위한 Residual Pose 기법 적용 및 특성 분석
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
다시점 객체 공분할을 이용한 2D-3D 물체 자세 추정
로봇학회 논문지
2017 .03
-
다중크기와 다중객체의 실시간 얼굴 검출과 머리 자세 추정을 위한 심층 신경망
로봇학회 논문지
2017 .09
-
Head Pose Estimation For Driver Monitoring System
한국통신학회 학술대회논문집
2019 .11
-
Pose Estimation 과 CNN 을 이용한 실시간 손 제스처 인식
제어로봇시스템학회 국내학술대회 논문집
2022 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
선분 분할 탐지를 활용한 마스크 된 이미지 내의 물체 6 자유도 자세 추정
정현수
,
황면중
제어로봇시스템학회 논문지
2022
.06
Mapless Navigation with Distributional Reinforcement Learning
Van Manh T
,
an
,
Gon-Woo Kim
로봇학회 논문지
2024
.03
자율주행 트랙터를 위한 비전 센서 융합 기반의 장애물 인식 및 충돌 방지 기술 개발
황예빈
,
윤창호
,
김용현
외 1명
한국산학기술학회 논문지
2024
.01
머신텐딩 시스템을 위한 라이다 센서 기반 안전기능 제안
이학철
,
엄주명
한국정밀공학회 학술발표대회 논문집
2023
.11
㎜Wave 레이더 포인트 클라우드 기반 손동작 인식을 위한 경량화 딥러닝 모델
이수진
,
강지헌
제어로봇시스템학회 논문지
2023
.09
최근 본 자료
댓글(0)
0