딥러닝 기반의 인식 기술을 적용한 로봇의 파지 및 재파지 시스템
Robotic Grasping and Regrasping System using Deep Learning-based Recognition
- 주제(키워드) 딥러닝 , 로보틱스 , 물체인식
- 발행기관 고려대학교 대학원
- 지도교수 송재복
- 발행년도 2020
- 학위수여년월 2020. 8
- 학위구분 석사
- 학과 대학원 메카트로닉스협동과정
- 원문페이지 47 p
- UCI I804:11009-000000231903
- DOI 10.23186/korea.000000231903.11009.0001178
- 본문언어 한국어
- 제출원본 000046045946
초록/요약
The robot’s work in production process has been studied for a long time and has become an essential component of most production lines. Particularly, grasping and packaging objects are indispensable tasks in the general production process, so a lot of research has been conducted and superior solutions are developed. On the other hand, as the types of products handled in the industrial field have diversified, flexibility of the robotic tasks has become necessary. However, since most of the robotic grasping solutions target a single object, a lot of resources are consumed to change the production line. In this study, we implemented a robotic system that can perform bin picking for various objects. It provides a general solution for grasping objects in a box using only RGB images through deep learning-based object detection technology. In addition, we proposed a robotic regrasping method that changes the pose of an object. It can acquire the pose of an object through deep learning-based pose estimation technology and manipulate the object according to the target pose. Through the above methods, it is possible to simultaneously perform grasping and regrasping on various objects. In addition, it can be used to perform tasks on multiple objects without modifying the production line by giving the flexibility to the industrial site.
more목차
1장 서론
1.1 연구 배경 및 동기
1.2 연구 동향
1.3 연구 목표 및 방법
2장 물체 인식 및 자세추정 시스템
2.1 물체 자세의 정의
2.2 물체 자세 추정 네트워크
2.3 물체 자세 데이터 수집
2.4 물체 자세 추정 네트워크 학습
2.5 물체 인식 소프트웨어
2.6 물체 인식 데이터 수집
2.7 물체 인식 네트워크 학습
3장 물체 파지 및 재파지
3.1 파지 알고리즘
3.2 재파지 알고리즘
4장 실험 및 결과
4.1 빈 피킹 실험
4.2 물체 재파지 실험
5장 결론
참고 문헌
