Print

基于深度神经网络复杂场景下的机器人拣选方法

论文摘要

针对提高快递包裹的分拣效率和识别准确率,提出了一种基于深度神经网络复杂场景下的机器人拣选方法.首先,提出一种改进的目标检测算法,通过将多层浅层特征图与最终的特征图进行融合,提取更加细节的特征,以提升识别的速度与精度;其次,提出了一种基于关键点的级联卷积最优拣选位置检测网络模型,对包裹最优拣选位置进行实时预测估计;最后,结合目标包裹最优拣选框与场景的深度信息和基于三维信息的目标姿态估计算法实现机器人拣选,并通过实验验证了该方法的有效性.

论文目录

  • 1 基于深度神经网络复杂场景下的机器人拣选方法
  •   1.1 总体框架
  •   1.2 改进的YOLO目标检测算法
  •   1.3 基于关键点的级联卷积最优拣选位置检测网络
  • 2 实验及分析
  •   2.1 位姿估计实验
  •     2.1.1 目标检测
  •     2.1.2 最优拣选位置预测与估计
  •   2.2 机器人拣选实验
  • 3 结束语

    • 文章来源

    类型: 期刊论文

    作者: 韩兴,刘晓平,王刚,韩松

    关键词: 深度神经网络,最优拣选位置,关键点检测,机器人拣选

    来源: 北京邮电大学学报 2019年05期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用,自动化技术

    单位: 北京邮电大学自动化学院

    基金: 北京市科研项目(201702001),北京邮电大学青年科研创新计划专项项目(2017RC22)

    分类号: TP242;TP183;TP391.41

    DOI: 10.13190/j.jbupt.2019-015

    页码: 22-28

    总页数: 7

    文件大小: 874K

    下载量: 198

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/307b7dd523d26a9f5dfc7746.html