基于CNN深度学习的机器人抓取位置检测方法

• 作者: 申燕萍
• 来源期刊: 计算机测量与控制
• 关键词: CNN深度学习 机器人 抓取位置 检测
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 67-71
• 页数: 5页
• 分类号: TP242.2
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.08.014

摘要

针对传统检测方法受到复杂环境和人工干预影响而导致检测精准度低的问题,提出了基于CNN深度学习的机器人抓取位置检测方法;根据CNN基本结构,研究基于CNN深度学习检测原理;按照切线斜率方向划分机器人抓取位置模板点,计算模板匹配距离,得到机器模板上匹配点到边缘坐标图像点中最近的距离;保持横纵坐标变量不变,观察映射图上坐标灰度值及匹配度函数分布情况;引入GA求解匹配方法,根据匹配流程,寻找最优解;分析彩色图像、深度图像的可抓取位置和不可抓取位置信息,并将其转化为符合CNN深度学习的数据格式,完成信息预处理;根据机器人抓取作业示意图,设计具体检测流程,并显示检测结果,由此完成机器人抓取位置检测;由实验结果可知,该方法检测精准度最高可达到0.988,能够应用到实际机器人抓取相关任务之中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	申燕萍	常州工业职业技术学院信息工程学院	2	0	0.0	0.0