| 基于深度学习的机械臂抓取姿态估计实验设计 |
| |
| 引用本文： | 辛菁,龚爱玲,赵永红,穆凌霞,弋英民,张晓晖.基于深度学习的机械臂抓取姿态估计实验设计[J].实验室研究与探索,2023(2):1-4+30. |
| |
| 作者姓名： | 辛菁 龚爱玲 赵永红 穆凌霞 弋英民 张晓晖 |
| |
| 作者单位： | 西安理工大学自动化与信息工程学院 |
| |
| 基金项目： | 国家自然科学基金项目(61873200)；;西安理工大学教改项目(xqj2112)； |
| |
| 摘 要： | 为高效准确估计出机械臂对未知物体抓取姿态，提出了一种基于深度学习的机械臂抓取姿态估计方法，并设计了相关实验。该方法将生成抓取卷积网络GGCNN与挤压激励(SE)网络模块相结合，提出基于注意力机制的生成抓取卷积网络SE-GGCNN模型，提高抓取姿态估计的准确率。在Cornell数据集和JACQUARD数据集上进行了比较性实验。结果表明，相比于基本的GGCNN模型，SE-GGCNN模型在保证实时性的同时，将IoU指标值由原先的76%提升至82%;对于数据集中未出现过的新对象具备很好的鲁棒性和自适应性；单张图片115 ms的检测用时表明所提出的方法适合实时应用，提升了未知物体抓取姿态估计的准确率。
|
| 关 键 词： | 机械臂 深度学习 最优抓取姿态估计 注意力机制 |
|
|
