基于多尺度特征融合的抓取位姿估计

• 作者: 肖贤鹏 胡莉 张静 李树春 张华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 抓取位姿估计 RGD信息 多尺度特征 抓取建议网络 ROI Align
• 年，卷（期）: 2022,（10）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 172-177
• 页数: 6页
• 分类号: TP241
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012-0023

摘要

抓取目标多样性、位姿随机性严重制约了机器人抓取的任务适应性,为提高机器人抓取成功率,提出一种融合多尺度特征的机器人抓取位姿估计方法.该方法以RGD信息为输入,采用ResNet-50主干网络,融合FPN(feature pyramid networks)获得多尺度特征作为抓取生成网络的输入,以生成抓取候选框;并将抓取方向坐标映射为抓取方向的分类任务,使用ROI Align进行感兴趣区域提取,评估抓取候选框,获取目标的最优抓取位姿.为验证算法有效性,基于康奈尔抓取数据集开展了抓取位姿估计实验,仿真抓取位姿估计准确度达到96.9％.基于Inter RealSense D415深度相机和UR5机械臂搭建了实物平台,在真实场景下对位姿随机摆放的多样性目标物体进行多次抓取实验,结果显示抓取目标检测成功率为95.8％,机器人抓取成功率为90.2％.