基于改进CenterNet的机械臂抓取检测

• 作者: 王勇 陈荟西 冯雨齐
• 来源期刊: 中南大学学报（自然科学版）
• 关键词: 抓取检测 关键点检测 CenterNet Anchor-free
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 机械工程?控制科学与工程|Mechanical Engineering, Control Science and Engineering
• 页码范围: 3242-3250
• 页数: 9页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2021.09.026

摘要

在机械臂的抓取检测中,基于Anchor-based的方法需要考虑很多超参数的选择和设计,难以有效提高算法整体性能.针对该问题,本文将抓取检测转换为关键点检测问题,基于CenterNet提出一种改进的抓取检测模型.首先,该模型重点解决寻找抓取框中心点的问题,其本质是对中心点进行关键点估计,从而降低抓取检测的复杂程度;其次,采用HourglassNet神经网络提取深层特征;然后,为了使模型能聚焦抓取检测中物体的重要特征,设计一种视觉注意力机制;最后,生成关键点的高斯热力图和嵌入式向量,并将抓取框的中心点设置为检测出的关键点位置,将抓取框的中心点偏移量,长,宽以及旋转角分别设置为嵌入式向量中的值,从而有效解决了这些超参数的设置问题.研究结果表明:在康奈尔抓取数据集上进行图像分割和对象分割实验,准确率分别达到了98.3％和96.7％;本文方法通过计算获得一些较优的参数而不是采用先验参数,与其他基于Anchor-free的方法相比,提高了检测精度,而且其计算精度超过一些常用的基于Anchor based的模型的精度.