메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
노유찬 (한국기술교육대학교) 김영우 (한국기술교육대학교) 김대건 (한국기술교육대학교) 한현규 (한국기술교육대학교) 송영기 (한국기술교육대학교) 김덕수 (한국기술교육대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제27권 제8호
발행연도
2021.8
수록면
593 - 601 (9page)
DOI
10.5302/J.ICROS.2021.21.0050

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
We propose a novel deep learning pipeline for estimating the 6D pose of an object from an RGB-D image. Our pipeline comprises two separate pipes: object detection and pose estimation pipes. By employing the You Only Look Once model, we were able to easily build the object detection pipe and achieve high accuracy for the task while decreasing the complexity of pose estimation for the next pipe. For the pose estimation pipe, we adopted the novel CNN (convolutional neural network) architecture, which can be easily configured and used in industrial sites. We generated datasets for five objects, including parts used in industrial sites, using CAD models and computer simulation in a virtual world. Our pose estimation model achieved up to 99.6% (90.9% on average) accuracy in terms of shape similarity (i.e., ) between the CAD models rotated by the ground truth and the inference result for the datasets. These results validate the usefulness of the proposed deep learning pipeline and the CNN architecture for 6D pose estimation.
#deep learning #pose estimation #RGB-D #CNN #pipeline

목차

Abstract
I. 서론
II. 관련 연구
III. 자세 인식 딥 러닝 파이프라인
IV. RGB-D 이미지 기반 자세 추정 네트워크
V. 구현 및 결과
VI. 결론 및 향후 연구
REFERENCES

참고문헌 (23)

참고문헌 신청
N. Correll, K. E. Bekris, D. Berenson, O. Brock, A. Causo, K. Hauser, and P. R. Wurman, “Analysis and observations from the first amazon picking challenge,” IEEE Transactions on Automation Science and Engineering, vol. 15, no. 1, pp. 172-188, Jan. 2016. google schola D. G. Lowe, “Object recognition from local scale-invariant features,” Proc. of the Seventh IEEE International Conference on Computer Vision, 1999. google schola J. Park, K. Park, S. Baeg, and M. Baeg, “Reliable feature point detection and object pose estimation using photometric quasi-invariant SIFT,” Proc. of 2008 International Conference on Control, Automation and Systems, IEEE, 2008. google schola Y. Xiang, T. Schmidt, V. Narayanan, and D. Fox, “PoseCNN: A convolutional neural network for 6d object pose estimation in cluttered scenes,” arXiv preprint arXiv:1711.00199, Nov. 2017. google schola S. Peng, Y. Liu, Q. Huang, X. Zhou, and H. Bao, “Pvnet: Pixel-wise voting network for 6dof pose estimation,” Proc. of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 4561-4570, 2019. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

휴먼 헤드포즈 정보를 이용한 3차원 공간 내 응시점 추정
신채림 ,  윤상석 한국정보통신학회 종합학술대회 논문집 2021 .10
딥러닝 모델과 Kinect 카메라를 이용한 실시간 관절 애니메이션 제작 및 표출 시스템 구축에 관한 연구
김상준 ,  이유진 ,  박구만 방송공학회논문지 2021 .05
인간 행동 분석을 이용한 위험 상황 인식 시스템 구현
박준태 ,  한규필 ,  박양우 멀티미디어학회논문지 2021 .03
PoseNet과 GRU를 이용한 Skeleton Keypoints 기반 낙상 감지
강윤규 ,  강희용 ,  원달수 한국산학기술학회 논문지 2021 .02
합성영상과 딥러닝 모델을 이용한 크레인의 자세추정
박규하 ,  홍효성 ,  정현호 외 2명 제어로봇시스템학회 논문지 2021 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-003-001917614