基于多尺度特征融合的抓取位姿估计

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％.

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

所属期刊栏目：58

分类号：TP241(自动化技术及设备)

资助基金：国家十三五核能开发科研资助项目;四川省教育厅重点资助科研项目

在线出版日期：2022-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：172-177