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

A Weakly Supervised Semi-Automatic Image Labeling Approach for Deformable Linear Objects

Caporali, Alessio und Pantano, Matteo und Janisch, Lucas und Regulin, Daniel und Palli, Gianluca und Lee, Dongheui (2023) A Weakly Supervised Semi-Automatic Image Labeling Approach for Deformable Linear Objects. IEEE Robotics and Automation Letters, 8 (2), Seiten 1013-1020. IEEE - Institute of Electrical and Electronics Engineers. doi: 10.1109/LRA.2023.3234799. ISSN 2377-3766.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
4MB

Offizielle URL: https://ieeexplore.ieee.org/document/10008018

Kurzfassung

The presence of Deformable Linear Objects (DLOs) such as wires, cables or ropes in our everyday life is massive. However, the applicability of robotic solutions to DLOs is still marginal due to the many challenges involved in their perception. In this letter, a methodology to generate datasets from a mixture of synthetic and real samples for the training of DLOs segmentation approaches is thus presented. The method is composed of two steps. First, key-points along a real-world DLO are labeled by employing a VR tracker operated by a user. Second, synthetic and real-world datasets are mixed for the training of semantic and instance segmentation deep learning algorithms to study the benefit of real-world data in DLOs segmentation. To validate this method a user study and a parameter study are conducted. The results show that the VR tracker labeling is usable as other labeling techniques but reduces the number of clicks. Moreover, mixing real-world and synthetic DLOs data can improve the IoU score of a semantic segmentation algorithm by circa 5%. Therefore, this work demonstrates that labeling real-world data via a VR tracker can be done quickly and, if the real-world data are mixed with synthetic data, the performances of segmentation algorithms for DLOs can be improved.

elib-URL des Eintrags:https://elib.dlr.de/194568/
Dokumentart:Zeitschriftenbeitrag
Titel:A Weakly Supervised Semi-Automatic Image Labeling Approach for Deformable Linear Objects
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Caporali, AlessioNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pantano, MatteoNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Janisch, LucasNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Regulin, DanielNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Palli, GianlucaNICHT SPEZIFIZIERTNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Lee, DongheuiDongheui.Lee (at) dlr.dehttps://orcid.org/0000-0003-1897-7664NICHT SPEZIFIZIERT
Datum:6 Januar 2023
Erschienen in:IEEE Robotics and Automation Letters
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:8
DOI:10.1109/LRA.2023.3234799
Seitenbereich:Seiten 1013-1020
Verlag:IEEE - Institute of Electrical and Electronics Engineers
ISSN:2377-3766
Status:veröffentlicht
Stichwörter:Deformable linear objects, dataset generation, spatial labeling, usability, image segmentation
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Robotik
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R RO - Robotik
DLR - Teilgebiet (Projekt, Vorhaben):R - Autonome, lernende Roboter [RO]
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Robotik und Mechatronik (ab 2013) > Leitungsbereich
Hinterlegt von: Geyer, Günther
Hinterlegt am:31 Mär 2023 12:15
Letzte Änderung:09 Apr 2024 10:28

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.