메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
최준혁 (한국생산기술연구원) 이재선 (한국생산기술연구원)
저널정보
대한전자공학회 대한전자공학회 학술대회 2024년도 대한전자공학회 추계학술대회 논문집
발행연도
2024.11
수록면
992 - 996 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 3D 카메라로부터 획득한 부분적인 3D 포인트 클라우드를 입력으로 사용하여 파지 자세(grasp pose)를 추정하는 딥러닝 네트워크를 제안한다. 제안된 방법은 먼저 PointNet 인코더를 통해 포인트 클라우드의 특징을 효과적으로 추출한 후, 이를 분류하여 물체의 특성을 파악한다. 이후, 분류된 특징을 기반으로 추가적인 딥러닝 네트워크에 입력하여 정밀한 파지 자세를 추정한다. 다양한 실험을 통해 제안된 네트워크가 부분적인 3D 데이터에서도 높은 정확도와 효율성을 유지하며, 다양한 물체에 대해 일관된 성능을 보임을 입증하였다. 또한, 본 연구는 로봇의 자율 물체 조작 능력을 향상시키는 데 기여하며, 실제 응용 환경에서의 적용 가능성을 제시한다. 실험 결과는 기존 방법들과 비교하여 우수한 성능을 보였으며, 실시간 파지 자세 예측에서도 효과적인 접근법임을 확인하였다.

목차

Abstract
I. 서론
II. 본론
III. 구현
Ⅳ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0