메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
송동운 (부산대학교) 이재봉 (부산대학교) 이승준 (부산대학교)
저널정보
한국로봇학회(논문지) 로봇학회 논문지 로봇학회 논문지 제17권 제3호
발행연도
2022.9
수록면
255 - 263 (9page)
DOI
10.7746/jkros.2022.17.3.255

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
3D object detection pipelines often incorporate RGB-based object detection methods such as YOLO, which detects the object classes and bounding boxes from the RGB image. However, in complex environments where objects are heavily cluttered, bounding box approaches may show degraded performance due to the overlapping bounding boxes. Mask based methods such as Mask R-CNN can handle such situation better thanks to their detailed object masks, but they require much longer time for data preparation compared to bounding box-based approaches. In this paper, we present a 3D object recognition pipeline which uses either the YOLO or Mask R-CNN real-time object detection algorithm, K-nearest clustering algorithm, mask reduction algorithm and finally Principal Component Analysis (PCA) algorithm to efficiently detect 3 D poses of objects in a complex environment. Furthermore, we also present an improved YOLO based 3D object detection algorithm that uses a prioritized heightmap clustering algorithm to handle overlapping bounding boxes. The suggested algorithms have successfully been used at the Artificial-Intelligence Robot Challenge (ARC) 2021 competition with excellent results.
#3D Object Recognition #Cluttered Environment #YOLO #Mask R-CNN

목차

Abstract
1. 서론
2. YOLO 기반 물체 인식 및 위치 추정
3. Mask R-CNN 기반 물체 인식 및 위치 추정
4. 개선된 YOLO 기반 물체 인식 및 위치 추정
5. 파지 및 팔 경로 계획
6. ARC 2021 환경에서의 실험 결과
7. 실제 환경에서의 실험 결과
8. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

모바일 수집형 RPG의 사용자 분석 : “쿠키런: 킹덤”을 중심으로
정윤아 ,  우탁 디지털콘텐츠학회논문지 2022 .02
로봇시스템에서 작은 마커 인식을 하기 위한 사물 감지 어텐션 모델
김민재 ,  문형필 로봇학회 논문지 2022 .12
전력 사용량 데이터 패턴 분석을 위한 시계열 이미지 생성 방안 연구
윤준철 ,  오상원 ,  김진술 디지털콘텐츠학회논문지 2022 .08
딥러닝 기반 보도(步道) 환경 인식 및 쓰레기 분류 기술을 탑재한 청소로봇 시스템
임경민 ,  이영민 ,  이종수 외 2명 제어로봇시스템학회 국내학술대회 논문집 2022 .06
인공지능 반도체란 무엇인가
김형진 ,  이혁재 전자공학회지 2022 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-559-001567600