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 |
|
|