仪器仪表学报

作者：李秀智1

单位：李秀智1,2，李家豪1,2，张祥银1,2，彭小彬1,2 .txt,（1．北京工业大学信息学部北京100124；2．计算智能与智能系统北京市重点实验室北京100124） .txt,

关键词：关键词：深度学习;目标检测;抓取检测;机器人最优抓取.txt

基金：*基金项目：国家自然科学基金(61703012)、北京自然科学基金(4182010)项目资助 .txt

摘要：服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则，难以准确计算出机器人的抓取姿态。针对此问题，提出一种双网络架构的机器人最优抓取姿态检测算法。首先，改进了YOLOV3目标检测模型，提升了模型的检测速度与小目标物体的识别性能；其次，利用卷积神经网络设计了多目标抓取检测网络，生成图像中目标物体的抓取区域。为了计算机器人的最优抓取姿态，建立了IOU区域评估算法，筛选出目标物体的最优抓取区域。实验结果表明，改进后的YOLOV3目标检测精度达到91%，多目标抓取检测精度达到86%，机器人最优抓取姿态检测精度达到90%以上。综上所述，所提方法能够高效、精确地计算出目标物体的最优抓取区域，满足抓取任务的要求。.txt

来源：2020年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2020年第5期