基于Keypoint RCNN改进模型的物体抓取检测算法

• 作者: 夏浩宇 索双富 王洋 安琪 张妙恬
• 来源期刊: 仪器仪表学报
• 关键词: 抓取检测 Keypoint RCNN改进模型 损失权重 注意力模块 抓取描述 重合度 最优抓取
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 视觉检测与图像测量|Visual inspection and Image Measurement
• 页码范围: 236-246
• 页数: 11页
• 分类号: TP391|TH74
• 语种: 中文
• DOI: 10.19650/j.cnki.cjsi.J2107383

摘要

机器人抓取在工业中的应用有两个难点:如何准确地检测可抓取物体,以及如何从检测出的多个物体中选择最优抓取目标.本文在Keypoint RCNN模型中引入同方差不确定性学习各损失的权重,并在特征提取器中加入注意力模块,构成了Keypoint RCNN改进模型.基于改进模型提出了两阶段物体抓取检测算法,第一阶段用模型预测物体掩码和关键点,第二阶段用掩码和关键点计算物体的抓取描述和重合度,重合度表示抓取时的碰撞程度,根据重合度可以从多个可抓取物体中选择最优抓取目标.对照实验证明,相较原模型,Keypoint RCNN改进模型在目标检测、实例分割、关键点检测上的性能均有提高,在自建数据集上的平均精度分别为85.15％、79.66％、86.63％,机器人抓取实验证明抓取检测算法能够准确计算物体的抓取描述、选择最优抓取,引导机器人无碰撞地抓取目标.