-
题名面向杂乱场景的机械臂抓取位姿预测方法
- 1
-
-
作者
李轩青
陈燕
-
机构
山西职业技术学院电气自动化工程系
太原理工大学电气与动力工程学院
-
出处
《机电工程》
北大核心
2025年第6期1185-1192,共8页
-
基金
山西省重点研发计划项目(201903D121083)。
-
文摘
针对复杂场景下机器人抓取智能化程度及抓取精度不足等问题,提出了一种新颖的机器人抓取位姿预测方法,即实时抓取网络(RGN)。首先,引入KPConv作为骨干网络,将其用于超点与密集点的特征提取,提出了一种新颖的几何特征计算方法,并利用交叉注意力机制实现了多源特征的融合目的;然后,提出了区域关联特征提取模块,借助于几何特征信息进行了区域划分,通过多层感知机进一步完成了抓取位姿的预测,利用抓取系统运动链将夹爪位姿映射到了机械臂关节角特征上,控制机械臂完成了抓取;最后,引入了多样性损失函数,并将其与基线模型进行了对比,利用GraspNet-1Billion数据集和Cornell数据集开展了复杂场景下机械臂抓取性能的测试实验。研究结果表明:采用RGN方法可使抓取预测精度得到大幅提升,最大提升幅度达78.2%;将传统手工特征与深度学习相融合,对机械臂抓取位姿预测精度的提升起到了关键作用,这一规律可为构建良好的机械臂抓取模型提供具体参考方向。
-
关键词
机器人抓取
抓取位姿估计
实时抓取网络
点云
深度学习
特征提取模块
交叉注意力模块
-
Keywords
robot grasping
grasp pose estimation
real-time grasp network(RGN)
point cloud
deep learning
feature extraction module
cross-attention module
-
分类号
TH-39
[机械工程]
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
