基于深度学习的机器人最优抓取姿态检测方法
服务型机器人在抓取任务中面临的是非结构化的场景.由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态.针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法.首先,改进了YOLO V3目标检测模型,提升了模型的检测速度与小目标物体的识别性能;其次,利用卷积神经网络设计了多目标抓取检测网络,生成图像中目标物体的抓取区域.为了计算机器人的最优抓取姿态,建立了IOU区域评估算法,筛选出目标物体的最优抓取区域.实验结果表明,改进后的YOLO V3目标检测精度达到91%,多目标抓取检测精度达到86%,机器人最优抓取姿态检测精度达到90%以上.综上所述,所提方法能够高效、精确地计算出目标物体的最优抓取区域,满足抓取任务的要求.
深度学习、目标检测、抓取检测、机器人最优抓取
41
TP242;TH86(自动化技术及设备)
国家自然科学基金;北京自然科学基金
2020-09-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
108-117