机构名称：
¥ 6.0
这项研究建立了一种从这种模拟中生成合成6D构成数据的管道，旨在使数据收集更具成本效益和高效。该研究涉及在工业环境中创建和评估在数字双数据集和建立域随机数据集[37]上训练的模型。调查结果表明，虽然数字双胞胎数据集在6D姿势估计管道（Mask r-CNN + GDR-NPP）中提供了与工业随机数据集的准确性好处，但如[45]和[38]中建议的真实图像与合成数据的集成在一起，但增强了准确性。在这项研究的范围内，观察到，在用真实图像增强时，在行业领域随机数据集中训练的模型表现出最高的准确性。实现这些进步，训练有素的模型的当前状态需要进一步的研究才能达到一致的工业机器人应用所需的可靠性。
学士学位论文
主要关键词
相关文件推荐
