-
题名基于多模特征深度学习的机器人抓取判别方法
被引量：37
- 1
-
-
作者
仲训杲
徐敏
仲训昱
彭侠夫
-
机构
厦门理工学院电气工程与自动化学院
厦门大学自动化系
-
出处
《自动化学报》
EI
CSCD
北大核心
2016年第7期1022-1029,共8页
-
基金
国家自然科学基金(61305117)
福建省科技计划重点项目(2014H0047)
+1 种基金
厦门市科技计划项目(3502Z20143034)
厦门理工学院高层次人才项目(YKJ15020R)资助~~
-
文摘
针对智能机器人抓取判别问题,研究多模特征深度学习与融合方法.该方法将测试特征分布偏离训练特征视为一类噪化,引入带稀疏约束的降噪自动编码(Denoising auto-encoding,DAE),实现网络权值学习;并以叠层融合策略,获取初始多模特征的深层抽象表达,两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性.实验采用深度摄像机与6自由度工业机器人组建测试平台,对不同类别目标进行在线对比实验.结果表明,设计的多模特征深度学习依据人的抓取习惯,实现最优抓取判别,并且机器人成功实施抓取定位,研究方法对新目标具备良好的抓取判别能力.
-
关键词
机器人抓取判别
降噪自动编码
叠层深度学习
多模特征
-
Keywords
Robot grasping recognition, denoising auto-encoding （DAE）, stacked deep learning, multimodal features
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
