典型文献
基于角度约束与高斯化质量图的抓取检测方法研究
文献摘要：
针对动态抓取环境中最优抓取点选取不稳定、抓取角度不准确的问题,提出一种基于角度约束与高斯化质量图的抓取检测方法.首先,将抓取角度按角度取值划分为多个类别,约束类别内角度取值范围,解决因密集标注导致的像素级标注丢失问题;再经形态学开运算方法过滤角度图中由于多个标注堆叠产生的碎片,得到标注一致性更强的抓取角度图.其次,利用高斯函数优化抓取质量图,突出可抓取区域中心位置的重要性,提升最优抓取点选取的稳定性.最后,在全卷积网络的基础上,引入抓取点和抓取方向注意力机制,提出融合注意力的生成式抓取检测网络(Attentive Generative Grasping Detection Network,AGGDN).在 Jacquard 仿真数据集上的实验结果表明:该方法的检测准确率能够达到94.4％,单次检测时间为11ms,能有效提升对复杂物体的抓取检测能力,且具有较好的实时性.对真实环境中不同姿态摆放的异形目标抓取实验结果表明:该方法抓取成功率能够达到88.8％,对训练集中从未出现的新目标有较强的泛化能力,能够应用于机器人抓取的相关任务.
文献关键词：
抓取图;抓取检测;全卷积网络;注意力机制;生成式抓取
中图分类号：
作者姓名：
王文俊;韩慧妍;郭磊;韩燮;李郁峰;吴伟州
作者机构：
中北大学大数据学院,山西太原030051;山西省视觉信息处理及智能机器人工程研究中心,山西太原030051;中北大学军民融合协同创新研究院,山西太原030051
文献出处：
引用格式：
[1]王文俊;韩慧妍;郭磊;韩燮;李郁峰;吴伟州-.基于角度约束与高斯化质量图的抓取检测方法研究)[J].微电子学与计算机,2022(11):37-44
A类：
生成式抓取,AGGDN,Jacquard,11ms
B类：
角度约束,质量图,抓取检测,动态抓取,取环,抓取点,点选,内角,取值范围,像素级标注,再经,开运算,堆叠,高斯函数,函数优化,区域中心,中心位置,全卷积网络,注意力机制,测网,Attentive,Generative,Grasping,Detection,Network,仿真数据,检测准确率,检测时间,杂物,检测能力,真实环境,摆放,异形,抓取实验,训练集,从未,标有,泛化能力,机器人抓取,抓取图
AB值：
0.348141
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
