Refining object proposals using structured edge and superpixel contrast in robotic grasping

تشخیص آشنا یک شاخه پژوهشی فعال در زمینه ربات است. اکثر آثار موجود، پیش فرض های قوی مانند موقعیت جسم ثابت و پس زمینه دستکاری منحصر به فرد ساخته شده است که باعث تشخیص اشیاء درهم می شود. اما شرایط دستکاری واقعی می تواند بسیار پیچیده تر باشد. در این کار، ما یک روش ادراک جدید را پیشنهاد می کنیم. این قادر به دقت شیء و همچنین آنهایی که در پس زمینه متلاشی شده اند را تشخیص می دهد و حرکت حرکت بازوی روباتیک را برای رسیدن به یک وضعیت درک مناسب به دست می دهد. ابتدا ما پیشنهادات اولیه را طبق توزیع لبه ساختار یافته ترجمه و ترتیب می کنیم. پیشنهادهای هماهنگ شده همپوشانی بیشتری با حقیقت زمین در هزینه کمی کاهش دقت دارند. سپس، برای هر سوپرپیکسل درون پیشنهاد، از کنتراست آن به ابرپیکسلهای با کنتراست بالا و سوپرپیکسلهای پسزمینه استفاده می کنیم، که با تعویض فاصله وزن می شود، برای تعیین اینکه آیا باید در پیشنهاد تصحیح شده باشد. نتایج تجربی در هر دو مجموعه داده های معیار و وظیفه روباتیک اثربخشی روش پیشنهاد شده را تأیید کرده است.