基于深度学习的抓取目标姿态检测与定位

被引：7

作者：

李正明

章金龙

机构：

[1] 江苏大学电气信息工程学院

来源：

信息与控制 | 2020年 / 49卷 / 02期

基金：

国家重点研发计划;

关键词：

目标检测; 抓取目标定位; 姿态检测; 深度学习;

D O I：

10.13976/j.cnki.xk.2020.9212

中图分类号：

TP391.41 []; TP18 [人工智能理论];

学科分类号：

080203 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

机器人对抓取目标进行高准确的姿态检测与定位依然是一个开放性的难题.本文提出了一种基于卷积神经网络对抓取目标快速姿态检测与精确定位的方法.该方法采用Faster R-CNN Inception-V2网络模型,在网络中将抓取目标的姿态角度采用分类标签方式输出,位置坐标采用回归方法,对Cornell公开数据集重新标注并训练端到端模型.模型在实例检测和对象检测测试集上分别取得96.18%和96.32%的准确率,对于每一幅图像的处理时间小于0.06 s.实验结果表明模型能够实时地对图像中单个或多个抓取目标进行快速地姿态检测与定位,准确度高并具有很强的鲁棒性和稳定性.

引用

页码：147 / 153

页数：7

共 4 条

[1] Selective Search for Object Recognition. [J] . J. R. R. Uijlings,K. E. A. Sande,T. Gevers,A. W. M. Smeulders.&nbsp&nbspInternational Journal of Computer Vision . 2013 (2)
[2] Real-world multiobject multigrasp det ection .2 Chu F J,Xu R N,Patricio V. IEEE Robotics & Automation Letters . 2018
[3] Batch normalization:Accelerating deep network training by reducing internal covariate shift .2 Ioffe S,Szegedy C. 32nd International Conference on Machine Learning(ICML 2015) . 2015
[4] Efficient grasping from rgbd images:Learning using a new rectangle representation .2 Jiang Y,Moseson S,Saxena A. IEEE International Conference on Robotics and Automation(ICRA) . 2011

← 1 →