文献类型：期刊文章

作　　者：仲训杲[1] 徐敏[1] 仲训昱[2] 彭侠夫[2]

机构地区：[1]厦门理工学院电气工程与自动化学院,厦门361024 [2]厦门大学自动化系,厦门361005

出　　处：《自动化学报》

基　　金：国家自然科学基金(61305117);福建省科技计划重点项目(2014H0047);厦门市科技计划项目(3502Z20143034);厦门理工学院高层次人才项目(YKJ15020R)资助~~

年　　份：2016

卷　　号：42

期　　号：7

起止页码：1022-1029

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2015_2016、EI(收录号：20163202683504)、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对智能机器人抓取判别问题,研究多模特征深度学习与融合方法.该方法将测试特征分布偏离训练特征视为一类噪化,引入带稀疏约束的降噪自动编码(Denoising auto-encoding,DAE),实现网络权值学习;并以叠层融合策略,获取初始多模特征的深层抽象表达,两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性.实验采用深度摄像机与6自由度工业机器人组建测试平台,对不同类别目标进行在线对比实验.结果表明,设计的多模特征深度学习依据人的抓取习惯,实现最优抓取判别,并且机器人成功实施抓取定位,研究方法对新目标具备良好的抓取判别能力.

关 键 词：机器人抓取判别  降噪自动编码  叠层深度学习  多模特征  

分 类 号：TP242] TP391.41]