基于神经网络的算法用于使用RGBD摄像头识别门把手.
Lesia Mochurad1, Yaroslav Hladun2
1Lviv Polytechnic National University, Lviv, 79013, Ukraine. lesia.i.mochurad@lpnu.ua.
Scientific reports
|July 8, 2024
概括
这项研究引入了一种新的方法,让机器人使用RGBD摄像头识别门把手的位置. 开发的系统实现了实时性能,每秒处理16张图像,以提高机器人的适应性.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 机器人的适应性需要有效地与各种物体 (如门把手) 进行交互.
- 当前的机器人系统在不同环境中识别和操纵各种门把手设计时面临着挑战.
研究的目的:
- 开发和实施一种强大的方法,使机器人能够使用RGBD摄像头数据识别门把手的位置.
- 增强自主机器人的能力,以与常见的家用物体进行现实互动.
主要方法:
- 创建了一个由5000个注释的门把手图像组成的数据集.
- 使用基于MobileNetV2的神经网络架构,具有自定义解码器和新型激活功能.
- 实时图像处理是实现的一个关键目标.
主要成果:
- 提出的方法成功地从RGBD摄像头输入中识别和定位门把手.
- 该模型可以实现每秒高达16张图像的实时处理速度.
- 定制架构和激活功能有助于提高准确性和效率.
结论:
- 开发的方法显著提升了机器人对门把手操纵的感知.
- 这项研究有助于在各种环境中实际部署自主机器人.
- 实时性能使人机交互更加流和有效.
