典型文献
基于多尺度特征融合的抓取位姿估计
文献摘要：
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％.
文献关键词：
抓取位姿估计;RGD信息;多尺度特征;抓取建议网络;ROI Align
中图分类号：
作者姓名：
肖贤鹏;胡莉;张静;李树春;张华
作者机构：
西南科技大学 信息工程学院,四川 绵阳 621010;中国科学技术大学 信息科学技术学院,合肥 230026
文献出处：
引用格式：
[1]肖贤鹏;胡莉;张静;李树春;张华-.基于多尺度特征融合的抓取位姿估计)[J].计算机工程与应用,2022(10):172-177
A类：
抓取位姿估计,抓取建议网络
B类：
多尺度特征融合,随机性,机器人抓取,估计方法,RGD,ResNet,主干网络,FPN,feature,pyramid,networks,生成网络,候选框,坐标映射,分类任务,ROI,Align,感兴趣区域,区域提取,康奈尔,Inter,RealSense,D415,深度相机,UR5,机械臂,真实场景,摆放,抓取实验,目标检测,检测成功率
AB值：
0.296814
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。
