典型文献
基于深度学习的管件识别与位姿估计研究
文献摘要：
管件的6D位姿估计是机器人抓取抛光的前提,传统的估计策略工作量大,基于深度学习提出改进的深度对象姿态估计(deep object pose estimation,DOPE)框架对管件实时检测.首先,制作合成数据训练网络.其次,对网络提出改进:针对管件的旋转对称性,自定义损失函数,提高管件检测精度;且采用Resnet18提取管件特征,减轻网络规模.最后,探究热图阶段数对推理时间的影响.改进后的DOPE网络估计管件位姿时,其精度-阈值曲线下面积(area under the curve,AUC)提高了 17％,参数量和浮点计算量分别减少9％和20％,检测单张图片仅需102 ms.估计管件位姿试验证明了改进DOPE的有效性,且满足工业要求.
文献关键词：
管件;位姿估计;DOPE;深度学习
中图分类号：
作者姓名：
李雨龙;陈松;李鑫;李昌龙;赵耀耀;李顺
作者机构：
辽宁科技大学机械工程与自动化学院,辽宁鞍山114051;辽宁科技大学电子与信息工程学院,辽宁鞍山114051
文献出处：
引用格式：
[1]李雨龙;陈松;李鑫;李昌龙;赵耀耀;李顺-.基于深度学习的管件识别与位姿估计研究)[J].制造技术与机床,2022(12):70-75
A类：
DOPE
B类：
管件,位姿估计,6D,机器人抓取,抛光,估计策略,姿态估计,deep,object,pose,estimation,实时检测,合成数据,数据训练,旋转对称性,自定义,损失函数,检测精度,Resnet18,网络规模,热图,阶段数,推理时间,阈值曲线,area,under,curve,参数量,浮点计算,计算量,单张,ms
AB值：
0.438484
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
