一种机械臂像素级抓取检测方法的研究

作     者：何联格 聂远航 李天华 妥吉英 HE Liange;NIE Yuanhang;LI Tianhua;TUO Jiying

作者机构：重庆理工大学汽车零部件先进制造技术教育部重点实验室重庆400054 北京信息科技大学现代测控技术教育部重点实验室北京100192 重庆青山工业有限责任公司重庆402761 

基　　金：重庆市基础科学与前沿技术研究专项课题(CSTC2020JCYJ-MSXMX0331) 重庆市教育委员会科学技术研究计划青年项目(KJQN202101144) 

出 版 物：《重庆工商大学学报（自然科学版）》 (Journal of Chongqing Technology and Business University:Natural Science Edition)

年 卷 期：2024年第41卷第2期

页      码：18-25页

摘      要：目的针对在平面抓取的场景下,机械臂如何感知目标物体的位置信息并完成抓取作业,提出了一种兼顾检测速度和精度的抓取检测网络。方法根据抓取检测任务中输入与输出尺寸大小相同的特点,采用语义分割思想设计了抓取检测网络;输入为随机裁剪后的深度图片,输出为同尺寸的抓取置信度、抓取角度和抓取宽度特征图;为了提高平面抓取任务的效率,在综合考虑检测网络速度和精度的情况下,对网络结构进行了改进,除了在网络结构中加入了注意力机制外,还使用U-net和Deeplabv3算法替换了网络的主体结构;通过对比实验认为加入注意力机制的检测网络在检测速度和检测精度上平衡得较好,能够实现抓取任务,将抓取位姿传输给ROS系统,通过一系列的坐标变换和运动规划进行了抓取作业。结果添加注意力机制后,检测网络的推理时间仍为毫秒级,最大抓取置信度提高了7.2%;采用U-net和Deeplabv3的网络检测速度较慢,U-net网络的抓取置信度Q_(max)提高了18.8%,Deeplabv3网络的准确率Acc提高了12.8%;由于抓取检测网络应同时考虑检测速度和精度,因此加入注意力机制的检测网络性能较优。结论实验结果表明:添加注意力机制后的抓取网络在检测速度与精度上兼顾的比较理想,能够成功抓取场景中的目标物体,此方法具有一定的实际应用价值。

主 题 词：平面抓取 抓取检测 语义分割 机械臂抓取任务 

学科分类：080202[080202] 08[工学] 0804[工学-材料学] 0802[工学-机械学] 

D　O　I：10.16055/j.issn.1672-058X.2024.0002.003

馆 藏 号：203126123...