.png){kind=icon}
返回
Automatic tile position and orientation detection combining deep-learning and rule-based computer vision algorithms
.png){kind=icon}
PRE
AI
DOI：10.1016/j.autcon.2025.106001.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对瓷砖铺设机器人的日益增长的兴趣，要求开发一种鲁棒的瓷砖检测算法。本文提出了一种Ultra Clear Tile（UC-Tile）算法，用于检测角点和边缘，并辅助瓷砖铺设自动化中的定位和安装任务。UC-Tile的设计整合了用于语义分割的深度学习技术与基于规则的后处理算法。本文中研究的语义分割算法是YOLOv8的微调版本。UC-Tile的主要贡献在于通过定制算法优化边缘拟合和定位瓷砖角点。开发了一个包含1486张图像的数据集，这些图像展示了不同模式的瓷砖，并在不同的高度和光照条件下拍摄。结果表明，UC-Tile优于常见的基准算法，可实现最高的mIoU 98.68%、F1-Score 99.31%和最低的95-HD。此外，UC-Tile能够准确预测实际距离和角度，与地面真值值的差异很小，从而为机器人运动控制提供信息。该算法有望实现精确的自动瓷砖铺设。
Keyword:
Intelligent construction
Tile paving
Construction robots
Deep learning
Segmentation
期刊
IF:
11.5
论文数:
6.3K
被引数:
4.2W
机构
引用论文
.png){kind=icon}
分享收藏Pixel-Level Cracking Detection on 3D Asphalt Pavement Images Through Deep-Learning- Based CrackNet-V
PREAI
分享收藏Historical Document Image Segmentation Combining Deep Learning and Gabor Features结合深度学习和Gabor特征的 исторический 文档图像分割
PREAI
分享收藏分享收藏A Comprehensive Review of YOLO Architectures in Computer Vision: From YOLOv1 to YOLOv8 and YOLO-NAS计算机视觉中的YOLO体系结构综述: 从YOLOv1到YOLOv8和yolo-nas
OAAI
OAAI分享收藏
查看更多内容