Vision based event classification in robotic micromanipulation

Zoran Cenev, Janne Venäläinen, Quan Zhou

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

158 Lataukset (Pure)

Abstrakti

Autonomous positioning of small objects to create heterogeneous structures has great potential to advance the current micromanipulation procedures. To achieve autonomous micromanipulation, it is required to recognize the manipulation events. In this work, different classification algorithms including five common supervised learning methods are assessed for identifying states of manipulation. The classifiers are trained with data that consists of 3056 video frames and validated on 2545 videos frames. The best machine learning classifiers classified the events with 92.9 % accuracy, higher than the result of logic-based classification (88.9 %).
AlkuperäiskieliEnglanti
OtsikkoProceedings of the 2017 International Conference on Manipulation, Automation and Robotics at Small Scales, MARSS 2017
KustantajaIEEE
Sivumäärä6
ISBN (elektroninen)978-1-5386-0346-8
DOI - pysyväislinkit
TilaJulkaistu - 2017
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaInternational Conference on Manipulation, Automation and Robotics at Small Scales - University of Montreal, Montreal, Kanada
Kesto: 17 heinäkuuta 201721 heinäkuuta 2017
http://marss-conference.org/

Conference

ConferenceInternational Conference on Manipulation, Automation and Robotics at Small Scales
LyhennettäMARSS
MaaKanada
KaupunkiMontreal
Ajanjakso17/07/201721/07/2017
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Vision based event classification in robotic micromanipulation'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä