Resumen

La distinción del objeto objetivo bajo occlusiones se ha convertido en la vanguardia de la investigación para hacer frente al estudio del agarre en general. En este documento, se propone un nuevo marco que puede ser utilizado para un gripper robótico paralelo. Hay dos pasos clave para el método propuesto en el proceso de agarre de objetos ocultos: generar información de plantilla y detectar el agarre utilizando el algoritmo de coincidencia. Una red neuronal, entrenada con los datos RGB-D del Conjunto de Datos de Agarre de Cornell, predice múltiples rectángulos de agarre en imágenes de plantilla. Se utiliza un algoritmo de coincidencia propuesto para eliminar la influencia causada por las partes ocultas en las imágenes de escena y generar múltiples rectángulos de agarre para objetos bajo occlusiones utilizando la información de agarre de las imágenes de plantilla coincidentes. Para mejorar la calidad del resultado de coincidencia, el algoritmo de coincidencia propuesto mejora el algoritmo SIFT y lo combina con el algoritmo RANSAC mejorado. De esta manera

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Objeto objetivo; Oclusiones; Estudio de agarre; Pinza robótica; Información de plantilla; Algoritmo de coincidencia
• Keywords:Target object; Occlusions; Grasping study; Robotic gripper; Template information; Matching algorithm