-
题名基于深度学习的机械臂抓取姿态估计实验设计
被引量：5
- 1
-
-
作者
辛菁
龚爱玲
赵永红
穆凌霞
弋英民
张晓晖
-
机构
西安理工大学自动化与信息工程学院
-
出处
《实验室研究与探索》
CAS
北大核心
2023年第2期1-4,30,共5页
-
基金
国家自然科学基金项目(61873200)
西安理工大学教育教学改革重点项目(xjy1904)
+1 种基金
西安理工大学教改项目(xqj2112)
陕西省高等教育教学改革研究重点攻关项目(21BG022)。
-
文摘
为高效准确估计出机械臂对未知物体抓取姿态,提出了一种基于深度学习的机械臂抓取姿态估计方法,并设计了相关实验。该方法将生成抓取卷积网络GGCNN与挤压激励(SE)网络模块相结合,提出基于注意力机制的生成抓取卷积网络SE-GGCNN模型,提高抓取姿态估计的准确率。在Cornell数据集和JACQUARD数据集上进行了比较性实验。结果表明,相比于基本的GGCNN模型,SE-GGCNN模型在保证实时性的同时,将IoU指标值由原先的76%提升至82%;对于数据集中未出现过的新对象具备很好的鲁棒性和自适应性;单张图片115 ms的检测用时表明所提出的方法适合实时应用,提升了未知物体抓取姿态估计的准确率。
-
关键词
机械臂
深度学习
最优抓取姿态估计
注意力机制
-
Keywords
robotic arm
deep learning
optimal grasping pose estimation
attention mechanism
-
分类号
TP241.2
[自动化与计算机技术—检测技术与自动化装置]
-
