Centre de documentation
scientifique

Machine learning and pose estimation for autonomous robot grasping with collaborative robots / Victor Talbot (2018) 

Public Titre : Machine learning and pose estimation for autonomous robot grasping with collaborative robots Type de document : Mémoire Auteurs : Victor Talbot, Auteur Editeur : Strasbourg : Institut National des Sciences Appliquées INSA Strasbourg Année de publication : 2018 Importance : 70 p. Format : 21 x 30 cm Note générale : bibliographie Mécatronique parcours mécanique pour la robotique, Master Imagerie, Robotique et Ingénierie pour le Vivant, Parcours Automatique Robotique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes IGN] apprentissage automatique [Termes IGN] C++ [Termes IGN] classification bayesienne [Termes IGN] classification par réseau neuronal [Termes IGN] estimation de pose [Termes IGN] image 3D [Termes IGN] image RVB [Termes IGN] Matlab [Termes IGN] navigation autonome [Termes IGN] Point Cloud Library PCL [Termes IGN] Python (langage de programmation) [Termes IGN] Ransac (algorithme) [Termes IGN] reconnaissance d'objets [Termes IGN] robotique [Termes IGN] semis de points [Termes IGN] vision par ordinateur [Termes IGN] zone d'intérêt Index. décimale : INSAS Mémoires d'ingénieur de l'INSA Strasbourg - Topographie, ex ENSAIS Résumé : (auteur) L'objectif du stage est de déterminer l'emplacement en trois dimensions d'une zone de préhension sur un objet dans le but d'automatiser la prise de cet objet par un robot anthropomorphe. La prise d'image est assurée par une caméra RGB-D prenant un nuage de points colorés en trois dimensions. La caméra est montée sur un second robot, ce qui permet l'exploration visuelle d'un plus grand espace, et ce, sous plusieurs points de vue. La solution proposée utilise Matlab et un réseau neuronal afin de proposer une zone d'intérêt. Le choix du Machine Learning est motivé par l'adaptabilité de l'algorithme. De cette façon, un objet jamais aperçu auparavant peut être attrapé par notre système robotique. Le système retourne la position X, Y et Z dans l'espace ainsi que l'orientation O et la largeur de l'objet D. Le système proposé a obtenu des résultats de 80 % sur des objets non entraînés. Note de contenu : Introduction 1- States of the arts 2- Realization 3- Conclusion Numéro de notice : 24593 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Mémoire masters divers Organisme de stage : School of Engineering (Cardiff University) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92164

Documents numériques

en open access Machine learning and pose estimation... - pdf auteur Adobe Acrobat PDF