Estimation of 3D object pose for packing problem with a deep learning approach
Este paper presenta una aproximación de deep learning a la estimación de pose de cajas en un contexto de empaquetamiento. Dividimos el problema en dos etapas: detección y estimación de pose. Cada etapa es desarrollada por una red neuronal convolucional. La primera red detecta si una imagen en escala...
- Autores:
-
Rodríguez Torres, Andrés David
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/43732
- Acceso en línea:
- http://hdl.handle.net/1992/43732
- Palabra clave:
- Aprendizaje automático (Inteligencia artificial)
Empaquetado y recubrimiento combinatorio
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | Este paper presenta una aproximación de deep learning a la estimación de pose de cajas en un contexto de empaquetamiento. Dividimos el problema en dos etapas: detección y estimación de pose. Cada etapa es desarrollada por una red neuronal convolucional. La primera red detecta si una imagen en escala de grises contiene o no una caja. La segunda red predice la posición de cada vértice del cubo dentro del plano de la imagen. Con esta información, el canal de profundidad y el modelo de cámara estenopeica podemos estimar la posición del centro de masa y la orientación de la caja. Entrenamos y probamos ambas redes con datos sintéticos generados a partir de una escena virtual. Para el problema de detección, obtuvimos una exactitud de 99.5%. Para el problema de estimación obtuvimos un error medio de 17.7 milímetros en distancia y de 21.2 grados en orientación. |
|---|