論文の概要: In-Hand Pose Estimation and Pin Inspection for Insertion of Through-Hole Components

• arxiv url: http://arxiv.org/abs/2208.01284v1
• Date: Tue, 2 Aug 2022 07:13:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:13:02.840345
• Title: In-Hand Pose Estimation and Pin Inspection for Insertion of Through-Hole Components
• Title（参考訳）: 貫通孔部品挿入のための手位置推定とピン検査
• Authors: Frederik Hagelskjaer and Dirk Kraft
• Abstract要約: 本研究の目的は、手動で誤りを把握し、曲がったピンで物体を拒否するシステムを開発することである。 セットアップは自動的に行われ、2つの新しいコントリビューションがある。 ピンの深層学習セグメンテーションを行い、シミュレーションにより検査ポーズを求める。 ネットワークは、テストセットに対して97.3%の精度を示す。
• 参考スコア（独自算出の注目度）: 2.388455169657983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The insertion of through-hole components is a difficult task. As the tolerances of the holes are very small, minor errors in the insertion will result in failures. These failures can damage components and will require manual intervention for recovery. Errors can occur both from imprecise object grasps and bent pins. Therefore, it is important that a system can accurately determine the object's position and reject components with bent pins. By utilizing the constraints inherent in the object grasp a method using template matching is able to obtain very precise pose estimates. Methods for pin-checking are also implemented, compared, and a successful method is shown. The set-up is performed automatically, with two novel contributions. A deep learning segmentation of the pins is performed and the inspection pose is found by simulation. From the inspection pose and the segmented pins, the templates for pose estimation and pin check are then generated. To train the deep learning method a dataset of segmented through-hole components is created. The network shows a 97.3 % accuracy on the test set. The pin-segmentation network is also tested on the insertion CAD models and successfully segment the pins. The complete system is tested on three different objects, and experiments show that the system is able to insert all objects successfully. Both by correcting in-hand grasp errors and rejecting objects with bent pins.
• Abstract（参考訳）: 貫通孔コンポーネントの挿入は難しい作業である。 穴の許容範囲が非常に小さいため、挿入の小さな誤差が失敗に繋がる。 これらの障害はコンポーネントを損傷し、回復のために手作業による介入が必要になる。 誤差は不正確な物体のつかみと曲がったピンの両方から生じる。 したがって、システムはオブジェクトの位置を正確に決定し、曲がったピンで部品を拒絶することが重要である。 オブジェクト固有の制約を利用することで、テンプレートマッチングを用いたメソッドを把握し、非常に正確なポーズ推定を得ることができる。 ピンチェックの方法も実装され、比較され、成功した方法が示される。 セットアップは自動的に行われ、2つの新しいコントリビューションがある。 ピンの深層学習セグメンテーションを行い、シミュレーションにより検査ポーズを求める。 そして、検査ポーズとセグメントピンから、ポーズ推定用テンプレートとピンチェックを生成する。 ディープラーニング手法を訓練するために、セグメント化されたスルーホールコンポーネントのデータセットを作成する。 このネットワークはテストセット上で97.3パーセントの精度を示す。 ピンセグメンテーションネットワークは挿入CADモデルでもテストされ、ピンのセグメンテーションに成功した。 完全なシステムは3つの異なるオブジェクトでテストされ、実験によってシステムがすべてのオブジェクトをうまく挿入できることが示されている。 両手の把持誤差を補正し、曲がったピンで物体を拒絶する。

関連論文リスト

• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Stuck-at Faults in ReRAM Neuromorphic Circuit Array and their Correction through Machine Learning [0.0]
  本稿では,Resistive Random Access Memory(ReRAM)ニューロモルフィック回路の故障による推定精度について検討する。 本稿では,故障による推論精度の低下を回復するための機械学習(ML)戦略を提案する。
  論文  参考訳（メタデータ） (2024-02-15T22:51:27Z)
• Detecting Manufacturing Defects in PCBs via Data-Centric Machine Learning on Solder Paste Inspection Features [0.0]
  SPI(Solder Paste Inspection)とAOI(Automated Optical Inspection)を用いたプリント基板(PCB)製造における欠陥の自動検出は、作業効率の向上と手作業による介入の必要性の低減に寄与する。 我々は、PCB製造の3段階において、PCB欠陥を検出するために機械学習(ML)モデルを訓練するためのデータ中心のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-09-06T15:52:55Z)
• 3DSGrasp: 3D Shape-Completion for Robotic Grasp [81.1638620745356]
  オブジェクトの完全な3Dポイントクラウドデータ(PCD)が利用可能であれば、現実のロボットの把握は堅牢に行うことができる。 実際に、PCDは、握る動作の前に、オブジェクトがほとんど見ていない、そしてまばらな視点から見られているとき、しばしば不完全である。 そこで我々は3DSGraspという新しい把握戦略を提案する。これは部分的なPCDから欠落した幾何を予測し、信頼性の高い把握ポーズを生成する。
  論文  参考訳（メタデータ） (2023-01-02T20:23:05Z)
• PSA-Det3D: Pillar Set Abstraction for 3D object Detection [14.788139868324155]
  我々は,小物体の検出性能を向上させるために,柱集合抽象化(PSA)と前景点補償(FPC)を提案する。 KITTI 3D 検出ベンチマーク実験の結果,提案した PSA-Det3D は他のアルゴリズムよりも高い精度で小物体検出を行うことができた。
  論文  参考訳（メタデータ） (2022-10-20T03:05:34Z)
• Disentangle Saliency Detection into Cascaded Detail Modeling and Body Filling [68.73040261040539]
  本稿では,サリエンシ検出タスクを2つのサブタスク,すなわち詳細モデリングとボディフィリングに分解することを提案する。 具体的には、詳細モデリングは、明示的に分解された詳細ラベルの監督によってオブジェクトエッジをキャプチャすることに焦点を当てる。 ボディフィリングは、ディテールマップに充填されるボディ部分を学び、より正確なサリエンシマップを生成する。
  論文  参考訳（メタデータ） (2022-02-08T19:33:02Z)
• Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
  3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。 提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
  論文  参考訳（メタデータ） (2021-10-08T04:08:31Z)
• Fault-tolerant parity readout on a shuttling-based trapped-ion quantum computer [64.47265213752996]
  耐故障性ウェイト4パリティチェック測定方式を実験的に実証した。 フラグ条件パリティ測定の単発忠実度は93.2(2)%である。 このスキームは、安定化器量子誤り訂正プロトコルの幅広いクラスにおいて必須な構成要素である。
  論文  参考訳（メタデータ） (2021-07-13T20:08:04Z)
• Delving into Localization Errors for Monocular 3D Object Detection [85.77319416168362]
  単眼画像から3Dバウンディングボックスを推定することは、自動運転に不可欠な要素です。 本研究では, 各サブタスクがもたらす影響を定量化し, 局所化誤差を求めることが, モノクロ3次元検出の抑制に欠かせない要因である。
  論文  参考訳（メタデータ） (2021-03-30T10:38:01Z)
• PCB Defect Detection Using Denoising Convolutional Autoencoders [2.386911608328309]
  プリント回路基板(PCB)の小さな欠陥は、最終製品に重大な欠陥を引き起こす可能性がある。 そこで本研究では,PCBの欠陥検出と欠陥発見のための畳み込みオートエンコーダのデノベートに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-08-28T11:38:09Z)
• Detection Method Based on Automatic Visual Shape Clustering for Pin-Missing Defect in Transmission Lines [1.602803566465659]
  ボルトは送電線で最も多くのファスナーであり、分割ピンを失う傾向にある。 タイムリーかつ効率的なトラブルシューティングを実現するために,伝送線路のボルトの自動ピン欠落検出を実現する方法は難しい問題である。 本稿では、ピン欠落検出のためのAVSCNet(Automatic Visual Shape Clustering Network)と呼ばれる自動検出モデルを構築した。
  論文  参考訳（メタデータ） (2020-01-17T10:57:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。