.png){kind=icon}
返回
A Multimodal-Based Point Cloud Segmentation Strategy for Shoe Upper Processing Boundaries Under Complex Interferences
.png){kind=icon}
PRE
AI
DOI：10.3390/machines14050533.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鞋面加工边界的准确分割对于自动化轨迹生成和高精度机器人控制至关重要。然而，由于高混低产生产中频繁的风格变化，开发鲁棒方法具有挑战性。传统监督方法依赖大规模标注数据集，因标注和再训练成本过高而不切实际。为解决这些问题，提出了一种基于多模态的点云分割策略用于鞋面加工边界。首先，设计了一种无监督的自适应局部谱对比滤波算法，利用边界颜色特征去除大量背景噪声并隔离潜在目标区域。然后，基于细长闭合边界形状的几何特征，开发了一种无监督的动态椭球邻域颜色-空间区域生长算法以抑制边界旁干扰。最后，设计了一个孪生网络对从Shoemaster导出的边界模板进行少样本匹配，有效将固有边界信号与复杂外在干扰解耦，实现精确分割。实验结果表明，所提方法实现了约0.80的稳定平均交并比（mIoU）。与现有监督和无监督基线相比，该策略在多样化风格上表现出更优泛化能力，并有效解决了数据依赖瓶颈。
Keyword:
precision manufacturing
point cloud segmentation
machine vision
process automation
data-efficient manufacturing
期刊
IF:
2.5
论文数:
931
被引数:
8.2K
机构
引用论文
A survey on deep learning tools dealing with data scarcity: definitions, challenges, solutions, tips, and applications关于处理数据稀缺的深度学习工具的调查: 定义，挑战，解决方案，技巧和应用.png)
JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏Development of an Integrated Robotic Workcell for Automated Bonding in Footwear Manufacturing开发用于鞋类制造中自动粘合的集成机器人工作单元IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Feasibility Study of a Robotic Approach for the Gluing Process in the Footwear IndustryRobotics
OAAI
RoboticsIF0
OAAI分享收藏ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture DesignShuffleNet V2: 高效CNN架构设计的实用指南
PREAI
分享收藏
查看更多内容