ICRA的5篇最佳自動化入圍論文都有啥看點？| ICRA 2017

雷鋒網AI科技評論按：ICRA全稱為“IEEE International Conference on Robotics and Automation”（機器人與自動化會議），是機器人技術領域最有影響力的國際學術會議之一。ICRA 2017于5月29日至6月4日舉行，雷鋒網AI科技評論從新加坡帶來一線報道。該會議舉辦期間，雷鋒網將圍繞會議議程及獲獎論文展開系列專題報道，敬請期待。

Peduncle Detection of Sweet Pepper for Autonomous Crop Harvesting - Combined Colour and 3D Information（自動化農作物收割中的甜椒根莖檢測——結合色彩和深度信息）

由澳大利亞昆士蘭科技大學QUT發表于2017年IEEE Robotics and Automation Letters ( Volume: 2, Issue: 2, April  2017 ) 的論文，作者：Sa, Inkyu; Lehnert, Christopher; English, Andrew; McCool, Christopher Steven; Dayoub, Feras; Upcroft, Ben; Perez, Tristan。

論文鏈接：http://ieeexplore.ieee.org/document/7814198/

摘要：這篇論文提出并展示了使用3D視覺檢測方法實現在耕地里對甜椒進行根莖檢測這一具有挑戰的科研任務。在農業收割的過程中將甜椒的根莖進行完美的切除是農業生產中難度極高的一個步驟，其原因是根莖是農作物的一個組織部分，并附著在甜椒的主莖上。因此，使用3D視覺準確的進行切割的方法，避免了切割過程中對周圍植物的破壞，從而成為可靠性較高的自動化農業生產中非常重要的環節。這篇論文介紹的3D視覺方法的具體實現：從RGB-D傳感器中同時獲取色彩和幾何信息，并使用監督學習實現根莖檢測。文章分別使用了定性和定量的數據對這種方法的效果進行證明和評估（AUC曲線）。通過使用這種3D視覺的方法，在甜椒的實驗案例中可實現AUC0.71根莖檢測結果。除此之外，文章的作者還發布了一組手動注釋的3D甜椒和梗圖像，以協助研究界在這個主題上進行進一步的研究。

NimbRo Picking: "Versatile Part Handling for Warehouse Automation"（NimbRo揀選：實現倉庫自動化的多樣部分處理

由德國波恩大學University of Bonn以及澳大利亞阿德萊德大學University of Adelaide聯合發表的論文，作者：chwarz, Max; Milan, Anton; Lenz, Christian; Munoz, Aura; Periyasamy, Arul Selvam; Schreiber, Michael; Schüller, Sebastian; Behnke, Sven。

摘要：在倉庫管理中，如果大批量的貨物在入庫時雜亂無章的進行堆垛，那么實現倉庫自動化的部分處理將會變得十分艱難。為了促進這方面的研究，Amazon舉辦了揀選挑戰杯。本文介紹的方法在2016年的挑戰杯中同時獲得了第二和第三名。挑戰杯的競技內容是，參賽者必須將清單中貨物準確無誤的從貨架上取出或按照指定位置擺放在貨架上。通過兩次深度學習，文中介紹的方法可實現物體檢測和語義分割，并通過物體注冊的方法，最終實現對清單中的貨物進行獨立定位。參數化的運動基元拼接形成連貫的揀選動作。文章展示了在2016年APC上使用的整套的揀選系統，并根據注釋的數據集就各個組成步驟進行了評估。

論文鏈接：https://www.researchgate.net/publication/314207506_NimbRo_Picking_Versatile_Part_Handling_for_Warehouse_Automation 

UAV-Based Crop and Weed Classification for Smart Farming（在智能農業中基于UAV的農作物和雜草的分類方法）

由波恩大學University of Bonn發表的論文，作者：Lottes, Philipp; Khanna, Raghav; Pfeifer, Johannes; Siegwart, Roland; Stachniss, Cyrill。

摘要：無人駕駛飛行器（UAV）和其他機器人在智能農業中的應用為農場監測提供了可能，最終可以減少必須使用的除草劑和農藥的量。對農民或協助農民進行農務的機器人來說最為重要的信息就是田地里雜草的分布和種類了。在這個方面，UAV這種無人駕駛飛行器展現出了杰出的低成本工勘能力。在這篇論文中，作者闡述了使用輕型UAV攜帶的攝像頭進行無人工勘時的檢測問題，特別是針對價值作物，如甜菜和其相對應的雜草時。同時，作者就這個問題提出了新的檢測系統和方法。通過對植物的識別，各部分特征提取，和對植物的分類，實現對農場中作物和雜草的分布進行預測。文中介紹了基于提出的新方法進行的實際測量，并發現在取樣的兩個農場（一個在德國，一個在瑞士），使用這種UAV的方法成功的進行了各類作物的分析。

論文鏈接：https://www.researchgate.net/publication/313840317_UAV-Based_Crop_and_Weed_Classification_for_Smart_Farming 

A Distributed Approach to Automated Manufacturing Systems with Complex Structures Using Petri Nets（運用Petri網絡的復雜結構實現自動化制造系統的分布式方法）

由北京工業大學發表的論文，作者：Yang, Yan; Hu, Hesuan; Liu, Yang。

摘要：不管是理論上還是實踐中，實現有效的進行自動化制造系統（AMSs）的無人化操作的最大難點就是解決死循環問題。目前已有的解決死循環問題的方法大多數聚焦于模型研究，一般基于靈活的路徑或裝配操作，但鮮有研究同時使用這兩種方法。此外，為大規模的系統應用這些方法是不太常見的，主要原因是它們一般都要對所有的工作狀態進行枚舉。本文介紹的方法，與之前提出的方案大不相同，使用了基于Petri網絡的模型， 同時具備靈活性和可操作性，并就死循環問題提出了創新的分布式策略。這種方法可在線的提供動態機制，從而解決死循環的問題。每一步的實現基于一個搜索程序，旨在處理當其他進程停滯時，確定是否存在一個可行的事件，將當前活動的進程或子進程過渡到最近的全局關鍵進程。通過這種方式，整個無人化操作可實現在進程之間以最小的信息交互，實現更好的應對突發事件的免疫性能（如資源不足），從而提高整體的工作性能。

論文鏈接：https://www.researchgate.net/publication/312111711_Robust_control_of_automated_manufacturing_systems_with_flexible_routes_and_assembly_operations_using_Petri_nets/amp 

Planning and Executing Optimal Non-Entangling Paths for Tethered Underwater Vehicles（規劃和執行非糾纏水下牽引車輛路徑的優化）

由美國俄勒岡州立大學Oregon State University工程學院發表的論文，作者：Seth McCammon and Geoffrey A. Hollinger。

摘要：這篇論文就提高水下牽引車輛的導航性能的議題提出的新的方法，通過計算優化路徑避免了車輛的牽引端成為路徑中相糾纏的障礙物。方法中定義了非糾纏旅行售貨員問題（NE-TSP）為旅行售貨員問題（TSP）在非糾纏（Non-Entangling）設定下的延伸。通過構建一個混合整數編程模型實現對NE-TSP問題的優化計算。這種方法利用同倫增廣圖記性優化策略的規劃，同時保持非糾纏的前提。為了減小因此帶來的計算量，作者還引入了幾種其他方法來進行邊緣優化計算。通過一系列的仿真，本文提出的方法最終實現了多種場景下的非糾纏路徑規劃的優化方案。文中通過使用Seabotix VLBV300系列水下車輛的實例對提出的方法進行了論證，并就使用計算的優化路徑和人類手動規劃的路徑進行了對比驗證。

論文鏈接：http://research.engr.oregonstate.edu/rdml/sites/research.engr.oregonstate.edu.rdml/files/mccammonicra17.pdf

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。