A grasp detection method for industrial robots using a Convolutional Neural Network | ||
| dc.conicet.organizacion | Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias | |
| dc.conicet.organizacion | Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias | |
| dc.conicet.organizacion | Universidad Nacional de San Luis. Facultad de Ciencias Físico Matemáticas y Naturales. Departamento de Informática. Laboratorio Investigación y Desarrollo en Inteligencia Computacional | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis | |
| dc.conicet.organizacion | Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias | |
| dc.conicet.organizacion | Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias | |
| dc.contributor.author | Ogas, Elio | |
| dc.contributor.author | Avila, Luis Omar | |
| dc.contributor.author | Larregay, Guillermo Omar | |
| dc.contributor.author | Morán, Oscar Daniel | |
| dc.date.issued | 2019-09 | |
| dc.description.abstract | In the near future, most of the industrial robots will serve as assistants involved in targeted complex manufacturing tasks which are difficult to be automated. To achieve this, it is crucial to enhance the ability of manipulators to pick and place objects from the assembly line. Reorienting and picking up pieces for assembly are difficult tasks to be done by manipulators since, for different pieces, shapes and physical properties vary. In this work, we use Convolutional Neural Networks for recognizing a selected production piece on a cluster. Once the selected piece has been recognized, a grasping algorithm estimates the best gripper configuration so that the robot is able to pick the piece up. Wetested our algorithm on grasping experiments with an ABB robot and using a common webcam as image input. We found that our implementations perform well and the robot was able to pick up a variety of objects. | es |
| dc.description.fil | Fil: Ogas, Elio. Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias; Argentina | |
| dc.description.fil | Fil: Avila, Luis Omar. Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias; Argentina. Universidad Nacional de San Luis. Facultad de Ciencias Físico Matemáticas y Naturales. Departamento de Informática. Laboratorio Investigación y Desarrollo en Inteligencia Computacional; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Luis; Argentina | |
| dc.description.fil | Fil: Larregay, Guillermo Omar. Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias; Argentina | |
| dc.description.fil | Fil: Morán, Oscar Daniel. Universidad Nacional de San Luis. Facultad de Ingeniería y Ciencias Agropecuarias; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Ogas, Elio; Avila, Luis Omar; Larregay, Guillermo Omar; Morán, Oscar Daniel; A grasp detection method for industrial robots using a Convolutional Neural Network; Institute of Electrical and Electronics Engineers; IEEE Latin America Transactions; 17; 9; 9-2019; 1509-1516 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1548-0992 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/148609 | |
| dc.journal.ciudad | Nueva Jersey | es |
| dc.journal.number | 9 | es |
| dc.journal.pagination | 1509-1516 | es |
| dc.journal.pais | Estados Unidos | es |
| dc.journal.title | IEEE Latin America Transactions | es |
| dc.journal.volume | 17 | es |
| dc.language.iso | eng | es |
| dc.publisher | Institute of Electrical and Electronics Engineers | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://ieeexplore.ieee.org/document/8931145/ | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1109/TLA.2019.8931145 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | DEEP LEARNING | es |
| dc.subject | FRICTION CONES | es |
| dc.subject | HOUGH TRANSFORM | es |
| dc.subject | INDUSTRIAL ROBOT | es |
| dc.subject | OBJECT GRASPING | es |
| dc.subject.classification | Ciencias de la Computación | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | A grasp detection method for industrial robots using a Convolutional Neural Network | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.e22d65f8-a460-443d-ab9e-5249ae47375f_A.pdf
- Tamaño:
- 3.08 MB
- Formato:
- Adobe Portable Document Format