Digitální knihovnaUPCE
 

Memory Efficient Grasping Point Detection of Nontrivial Objects

ČlánekOtevřený přístuppeer-reviewedpublished version
dc.contributor.authorDoležel, Petr
dc.contributor.authorŠtursa, Dominik
dc.contributor.authorKopecký, Dušan
dc.contributor.authorJecha, Jiří
dc.date.accessioned2022-06-03T12:15:42Z
dc.date.available2022-06-03T12:15:42Z
dc.date.issued2021
dc.description.abstractRobotic manipulation with a nontrivial object providing various types of grasping points is of an industrial interest. Here, an efficient method of simultaneous detection of the grasping points is proposed. Specifically, two different 3 degree-of-freedom end effectors are considered for simultaneous grasping. The method utilizes an RGB data-driven perception system based on a specifically designed fully convolutional neural network called attention squeeze parallel U-Net (ASP U-Net). ASP U-Net detects grasping points based on a single RGB image. This image is transformed into a schematic grayscale frame, where the positions and poses of the grasping points are coded into gradient geometric shapes. In order to approve the ASP U-Net architecture, its performance was compared with nine competitive architectures using metrics based on generalized intersection over union and mean absolute error. The results indicate its outstanding accuracy and response time. ASP U-Net is also computationally efficient enough. With a more than acceptable memory size (77 MB), the architecture can be implemented using custom single-board computers. Here, its capabilities were tested and evaluated on the NVIDIA Jetson NANO platform.eng
dc.description.abstract-translatedRobotická manipulace s netriviálním objektem poskytujícím různé typy úchopových bodů je předmětem průmyslového zájmu. Zde je navržena účinná metoda současné detekce úchopových bodů. Konkrétně se uvažují dva různé koncové efektory se třemi stupni volnosti pro současné uchopení. Metoda využívá systém vnímání řízený daty RGB založený na speciálně navržené plně konvoluční neuronové síti nazvané attention squeeze parallel U-Net (ASP U-Net). ASP U-Net detekuje body uchopení na základě jediného obrazu RGB. Tento obraz je transformován do schematického snímku ve stupních šedi, kde jsou polohy a pozice uchopovacích bodů zakódovány do gradientních geometrických tvarů. Za účelem schválení architektury ASP U-Net byla její výkonnost porovnána s devíti konkurenčními architekturami pomocí metrik založených na zobecněném průniku přes sjednocení a střední absolutní chybě. Výsledky ukazují na její vynikající přesnost a dobu odezvy. ASP U-Net je také dostatečně výpočetně efektivní. Díky více než přijatelné velikosti paměti (77 MB) lze architekturu implementovat pomocí vlastních jednodeskových počítačů. Zde byly její schopnosti testovány a vyhodnoceny na platformě NVIDIA Jetson NANO.cze
dc.formatp. 82130-82145eng
dc.identifier.doi10.1109/ACCESS.2021.3086417
dc.identifier.issn2169-3536
dc.identifier.obd39887039
dc.identifier.scopus2-s2.0-85107372074
dc.identifier.urihttps://hdl.handle.net/10195/79110
dc.identifier.wos000673965700001
dc.language.isoeng
dc.peerreviewedyeseng
dc.project.IDEF17_049/0008394/Spolupráce Univerzity Pardubice a aplikační sféry v aplikačně orientovaném výzkumu lokačních, detekčních a simulačních systémů pro dopravní a přepravní procesy (PosiTrans)cze
dc.publicationstatuspublished versioneng
dc.publisherIEEE (Institute of Electrical and Electronics Engineers)eng
dc.relation.ispartofIEEE ACCESS, volume 2021, issue: 9eng
dc.relation.publisherversionhttps://ieeexplore.ieee.org/document/9446869
dc.rightsopen accesseng
dc.rights.licenceCC BY 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectgraspingeng
dc.subjectservice robotseng
dc.subjectend effectorseng
dc.subjectgripperseng
dc.subjectthree-dimensional displayseng
dc.subjectconvolutional neural networkseng
dc.subjectcomputer architectureeng
dc.subjectrobotic graspingeng
dc.subjectgrasping point detectioneng
dc.subjectmachine visioneng
dc.subjectdeep learningeng
dc.subjectconvolutional neural networkeng
dc.subjectuchopovánícze
dc.subjectservisní robotycze
dc.subjectkoncové efektorycze
dc.subjectchapadlacze
dc.subjecttrojrozměrné displejecze
dc.subjectkonvoluční neuronové sítěcze
dc.subjectpočítačová architekturacze
dc.subjectrobotické uchopovánícze
dc.subjectdetekce bodu uchopenícze
dc.subjectstrojové viděnícze
dc.subjecthluboké učenícze
dc.subjectkonvoluční neuronová síťcze
dc.titleMemory Efficient Grasping Point Detection of Nontrivial Objectseng
dc.title.alternativePaměťově efektivní detekce uchopovacích bodů netriviálních objektůcze
dc.typeArticleeng

Soubory

Původní svazek

Nyní se zobrazuje 1 - 1 z 1
Náhled
Název:
Memory_Efficient_Grasping_Point_Detection_of_Nontrivial_Objects.pdf
Velikost:
2.22 MB
Formát:
Adobe Portable Document Format