接接物体检测系统基于2D图像和3D点云的融合,使用可解释的神经网络
Shengbo Wang1, Zengxu Li2, Guodong Chen2
1College of Sino-German Science and Technology, Qingdao University of Science and Technology, Qingdao, China.
Scientific reports
|September 10, 2024
概括
这项研究通过结合2D图像处理和3D点云分析来改进自动接系统. 新的可解释神经网络方法提高了检测准确性,即使是接喷雾和烟雾.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 现有的自动接系统由于接喷雾和烟雾等环境因素而难以准确.
- 当前的方法通常仅依赖于2D或3D数据,从而限制了它们的有效性.
- 这个领域的深度学习模型通常被认为是"黑子",妨碍了信任和采用.
研究的目的:
- 开发一种新的方法,用于在自动接系统中改进对象检测.
- 通过整合可解释的神经网络来提高系统的可靠性和透明度.
- 利用二维图像处理和三维点云分析的互补优势.
主要方法:
- 集成2D图像处理 (更快的R-CNN与ResNet50) 和3D点云分析.
- 实现3D数据的直角平面交叉线提取算法.
- 包含可解释的AI组件:可可视化的特征地图和透明的区域提案网络.
主要成果:
- 在具有挑战性的接环境中提高了检测精度.
- 在检测系统的决策过程中提高了透明度.
- 合并的2D-3D数据分析方法的可靠性和可信度.
结论:
- 2D-3D数据分析与可解释的神经网络的新融合显著推进了自动化接系统.
- 该系统提供了更大的透明度和可靠性,解决了现有方法的关键局限性.
- 这种方法有助于更广泛的工业采用先进的自动化接技术.
