..

టెలికమ్యూనికేషన్స్ సిస్టమ్ & మేనేజ్‌మెంట్

మాన్యుస్క్రిప్ట్ సమర్పించండి arrow_forward arrow_forward ..

DETECTION AND POSE ESTIMATED GRASPING OF AN INDUSTRIAL ROBOT IN BIN PICKING OPERATIONS

Abstract

Avinash Sen

The technique used by a robot to grab objects that are randomly placed inside a box or a pallet is called bin picking. Bin picking has evolved greatly over the years due to tremendous strides empowered by advanced computer vision technology, software development and gripping solutions. However,  the  creation  of  a  versatile  system,  capable  of  collecting  any  type  of  object  without deforming it, regardless of the disordered environment around it, remains a challenge. In this thesis a  solution  for  this  problem  that  is  based  on  learning  the  appearance  model  using  convolutional neural networks (CNN) is proposed. By synthetically combining object models and backgrounds of complex composition and high graphical quality, we are able to generate photo realistic images with accurate annotated 3D pose for all objects in our custom created dataset. Using this network, we can estimate the object poses with sufficient accuracy for real world semantic grasping in a cluttered bin by real robot.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్స్ ఉపయోగించి అనువదించబడింది మరియు ఇంకా సమీక్షించబడలేదు లేదా నిర్ధారించబడలేదు

ఈ కథనాన్ని భాగస్వామ్యం చేయండి

ఇండెక్స్ చేయబడింది

arrow_upward arrow_upward