Das Paper präsentiert ASDF, einen tiefen lernbasierten Ansatz zur Kombination von 6D-Posenanschätzung und Montagestatuserfassung.
Der Ansatz baut auf YOLOv8Pose auf und erweitert diesen um eine Verfeinerung der Objektpose sowie eine Fusion von Posen- und Zustandsinformationen in einem Pose2State-Modul. Dieses Modul nutzt sowohl die Erkenntnisse aus dem tiefen Lernen als auch die Informationen aus der positionsbasierten Montageanalyse, um den finalen Montagestatus vorherzusagen.
Zur Evaluierung wurde ein synthetischer Datensatz mit 3D-gedruckten Bauteilen erstellt, der 6D-Posen und Montagezustände umfasst. Auf diesem Datensatz zeigt ASDF eine verbesserte Montagestatuserfassung im Vergleich zu einem rein tiefen lernbasierten Ansatz. Darüber hinaus übertrifft ASDF auf dem GBOT-Datensatz den Stand der Technik bei der 6D-Posenanschätzung, selbst im Vergleich zu hybriden und rein verfolgungsbasierten Ansätzen.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Hannah Schie... kl. arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.16400.pdfDybere Forespørgsler