One Step Deep Learning Approach to Grasp Detection in Robotics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F21%3A39918034" target="_blank" >RIV/00216275:25530/21:39918034 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >http://dx.doi.org/10.1007/978-3-030-90321-3_2</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-90321-3_2" target="_blank" >10.1007/978-3-030-90321-3_2</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
One Step Deep Learning Approach to Grasp Detection in Robotics
Popis výsledku v původním jazyce
Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.
Název v anglickém jazyce
One Step Deep Learning Approach to Grasp Detection in Robotics
Popis výsledku anglicky
Grasp point detection is a necessary ability to handle for industrial robots. In recent years, various deep learning-based techniques for robotic grasping have been introduced. To follow this trend, we introduce a convolutional neural network-based approach for model-free one step method for grasp point detection. This method provides all feasible grasp points suitable for parallel grippers, based on a single RGB image of the scene. A case study, which shows the outstanding accuracy of the presented approach as well as its acceptable response time, is presented at the end of this contribution.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20204 - Robotics and automatic control
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Data Science and Intelligent Systems : proceedings of 5th Computational Methods in Systems and Software 2021, Vol. 2
ISBN
978-3-030-90320-6
ISSN
2367-3370
e-ISSN
2367-3389
Počet stran výsledku
10
Strana od-do
8-17
Název nakladatele
Springer Science and Business Media
Místo vydání
—
Místo konání akce
ONLINE
Datum konání akce
1. 10. 2021
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—