Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Team CVAP’s Mobile Picking System at the Amazon Picking Challenge 2015 Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Description of IITK-TCS System for ARC 2017

verfasst von : Anima Majumder, Olyvia Kundu, Samrat Dutta, Swagat Kumar, Laxmidhar Behera

Erschienen in: Advances on Robotic Item Picking

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this chapter, we provide details of the system that was used for our participation in the Amazon Robotics Challenge 2017 held in Nagoya, Japan. Our hardware system comprised of an UR10 robot manipulator with an eye-in-hand 2D/3D vision system and a suction based gripper. Some of the novel contributions made in this work include (1) a Deep Learning based vision system for recognizing and segmenting products in a clutter; (2) a new geometry based grasping algorithm that can find graspable affordances in extreme clutter; (3) a hybrid two-finger gripper that combines both suction and gripping action; and (4) a system for automating the generation of annotated templates needed for training deep networks. The resulting system could achieve a pick rate of 2–3 objects per minute. As an outcome, the IITK-TCS team secured fifth position in the stow task, third position in the pick task and fourth position in the final round in the above challenge.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Team C2M: Two Cooperative Robots for Picking and Stowing in Amazon Picking Challenge 2016
Nächstes Kapitel Designing Cartman: A Cartesian Manipulator for the Amazon Robotics Challenge 2017
Fußnoten
Literatur
1.
Krizhevsky, A., Sutskever, I., Hinton, G.E.: ImageNet classification with deep convolutional neural networks. In: Advances in Neural Information Processing Systems, pp. 1097–1105 (2012)
2.
Ren, S., He, K., Girshick, R., Sun, J.: Faster R-CNN: towards real-time object detection with region proposal networks. In: Advances in Neural Information Processing Systems, pp. 91–99 (2015)
3.
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., Berg, A.C.: SSD: Single shot multibox detector. In: European Conference on Computer Vision, pp. 21–37. Springer, Cham (2016)
4.
He, K., Gkioxari, G., Dollár, P., Girshick, R.: Mask R-CNN. In: 2017 IEEE International Conference on Computer Vision (ICCV), pp. 2980–2988. IEEE, Piscataway (2017)
5.
Zhao, H., Shi, J., Qi, X., Wang, X., Jia, J.: Pyramid scene parsing network. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2881–2890 (2017)
6.
Singh, C.K., Majumder, A., Kumar, S., Behera, L.: Deep network based automatic annotation for warehouse automation. In: International Joint Conference on Neural Networks (IJCNN), Rio de Janeiro, Brazil, July. IEEE, Piscataway (2018)
7.
Mahajan, K., Nanduri, H., Majumder, A., Kumar, S.: A deep framework for automatic annotation with application to retail warehouses. In: 29th British Machine Vision Conference (BMVC), Newcastle, UK, September (2018)
8.
9.
Gualtieri, M., ten Pas, A., Saenko, K., Platt, R.: High precision grasp pose detection in dense clutter. CoRR, abs/1603.01564 (2016)
10.
Kundu, O., Kumar, S.: A novel geometry-based algorithm for robust grasping in extreme clutter environment. Preprint. arXiv: 1807.10548 (2018)
11.
12.
13.
Pan, J., Chitta, S., Manocha, D.: FCL: A general purpose library for collision and proximity queries. In: 2012 IEEE International Conference on Robotics and Automation (ICRA), pp. 3859–3866. IEEE, Piscataway (2012)
14.
Wurm, K.M., Hornung, A., Bennewitz, M., Stachniss, C., Burgard, W.: OctoMap: a probabilistic, flexible, and compact 3D map representation for robotic systems. In: Proceedings of the ICRA 2010 Workshop on Best Practice in 3D Perception and Modeling for Mobile Manipulation, vol. 2 (2010)
15.
Beeson, P., Ames, B.: TRAC-IK: an open-source library for improved solving of generic inverse kinematics. In: 2015 IEEE-RAS 15th International Conference on Humanoid Robots (Humanoids), pp. 928–935. IEEE, Piscataway (2015)
16.
Metadaten
Titel
Description of IITK-TCS System for ARC 2017
verfasst von
Anima Majumder
Olyvia Kundu
Samrat Dutta
Swagat Kumar
Laxmidhar Behera
Copyright-Jahr
2020
Buch
Advances on Robotic Item Picking

Print ISBN: 978-3-030-35678-1

Electronic ISBN: 978-3-030-35679-8

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-35679-8_10

Neuer Inhalt

    Bildnachweise