基于多尺度特征融合和抓取质量评估的抓取生成方法

摘要：

在非结构化场景中,物体的 6-Dof抓取是智能服务机器人领域的一项极具挑战性的任务.在该场景中,机器人需要应对不同大小和形状的物体以及环境噪声等因素的干扰,因此难以生成准确的抓取姿态.针对此问题本文提出一种基于多尺度特征融合和抓取质量评估的 6-Dof抓取姿态生成方法.首先,提出了自适应半径查询法,解决真实环境中点云采样不均匀导致的关键点查询异常的问题;其次设计了一种将多尺度特征和抓取质量评估融合的抓取生成网络,可以生成丰富的 6-Dof抓取域;最后,定义了一种抓取质量评估方法,包含力闭合分数、接触面平整度、棱边分析和质心分数,并将这些标准应用在标准数据集上生成新的抓取置信分数标签,同时将这些标准融入抓取生成网络中.实验结果表明所述的方法与当前较为先进的方法FGC-GraspNet相比平均精度提升了 5.9%,单物体抓取成功率提升了 5.8%,多物体场景的抓取成功率提升了 1.1%.综上所述,本文所提出的方法具备有效性和可行性,在单物体场景和多物体场景中具有较好的适应性.

关键词：6-Dof抓取、关键点查询、多尺度特征融合、图卷积神经网络、抓取质量评估

所属期刊栏目：44

分类号：TP391;TH86(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：101-111