elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

End-to-end trainable deep neural network for robotic grasp detection and semantic segmentation from RGB

Ainetter, Stefan und Fraundorfer, Friedrich (2021) End-to-end trainable deep neural network for robotic grasp detection and semantic segmentation from RGB. In: 2021 IEEE International Conference on Robotics and Automation, ICRA 2021, Seiten 13452-13458. 2021 IEEE International Conference on Robotics and Automation (ICRA), 2021-05-30 - 2021-06-05, Xi'an, China. doi: 10.1109/ICRA48506.2021.9561398. ISBN 978-172819077-8. ISSN 1050-4729.

[img] PDF
2MB

Offizielle URL: https://ieeexplore.ieee.org/document/9561398

Kurzfassung

In this work, we introduce a novel, end-to-end trainable CNN-based architecture to deliver high quality results for grasp detection suitable for a parallel-plate gripper, and semantic segmentation. Utilizing this, we propose a novel refinement module that takes advantage of previously calculated grasp detection and semantic segmentation and further increases grasp detection accuracy. Our proposed network delivers state-of-the-art accuracy on two popular grasp dataset, namely Cornell and Jacquard. As additional contribution, we provide a novel dataset extension for the OCID dataset, making it possible to evaluate grasp detection in highly challenging scenes. Using this dataset, we show that semantic segmentation can additionally be used to assign grasp candidates to object classes, which can be used to pick specific objects in the scene.

elib-URL des Eintrags:https://elib.dlr.de/146134/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:End-to-end trainable deep neural network for robotic grasp detection and semantic segmentation from RGB
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Ainetter, Stefanicg.tugraz.atNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Fraundorfer, Friedrichfriedrich.fraundorfer (at) dlr.dehttps://orcid.org/0000-0002-5805-8892NICHT SPEZIFIZIERT
Datum:2021
Erschienen in:2021 IEEE International Conference on Robotics and Automation, ICRA 2021
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/ICRA48506.2021.9561398
Seitenbereich:Seiten 13452-13458
ISSN:1050-4729
ISBN:978-172819077-8
Status:veröffentlicht
Stichwörter:Deep learning, Automation, Conferences, Semantics, Feature extraction, Convolutional neural networks, Grippers
Veranstaltungstitel:2021 IEEE International Conference on Robotics and Automation (ICRA)
Veranstaltungsort:Xi'an, China
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:30 Mai 2021
Veranstaltungsende:5 Juni 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Optische Fernerkundung, R - Künstliche Intelligenz
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Methodik der Fernerkundung > Photogrammetrie und Bildanalyse
Hinterlegt von: Knickl, Sabine
Hinterlegt am:25 Nov 2021 11:15
Letzte Änderung:24 Apr 2024 20:45

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.