-
题名基于多尺度特征融合的抓取位姿估计
被引量：7
- 1
-
-
作者
肖贤鹏
胡莉
张静
李树春
张华
-
机构
西南科技大学信息工程学院
中国科学技术大学信息科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第10期172-177,共6页
-
基金
国家“十三五”核能开发科研资助项目(20161295)
四川省教育厅重点资助科研项目(18ZA0492)。
-
文摘
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
-
Keywords
grasp pose estimation
RGD information
multi-scale features
grasp proposal network
ROI Align
-
分类号
TP241
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名融合语义实例重建的抓取位姿估计方法
被引量：1
- 2
-
-
作者
韩慧妍
王文俊
韩燮
况立群
薛红新
-
机构
中北大学计算机科学与技术学院
机器视觉与虚拟现实山西省重点实验室
山西省视觉信息处理及智能机器人工程研究中心
-
出处
《计算机工程与科学》
CSCD
北大核心
2023年第10期1822-1829,共8页
-
基金
国家自然科学基金(62106238)
山西省自然科学基金(202303021211153)
+1 种基金
山西省科技成果转化引导专项(202104021301055)
山西省研究生创新项目(2021Y626)。
-
文摘
针对抓取任务中难以区分多个紧邻物体及高维位姿学习准确率差的问题,提出一种融合语义实例重建的抓取位姿估计方法。增加语义实例重建分支对前景完成隐式三维重建,并以投票方式预测每个前景点所属实例的中心坐标,以区分紧邻物体;提出一种高维位姿的降维学习方法,使用2个正交单位向量分解三维旋转矩阵,提升位姿学习准确率;搭建融合语义实例重建的抓取检测网络SIRGN,并在VGN仿真抓取数据集上完成训练。实验结果表明,SIRGN在拥挤(Packed)和堆叠(Pile)场景的抓取成功率分别达到了89.5%和78.1%,且在真实环境具有良好的适用性。
-
关键词
抓取位姿估计
隐式三维重建
投票
降维
旋转矩阵
-
Keywords
grasp pose estimation
implicit 3D reconstruction
voting
dimensionality reduction
rotation matrix
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名面向杂乱场景的机械臂抓取位姿预测方法
- 3
-
-
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]
-
