一种基于深度学习的机械臂抓取方法

被引：64

作者：

杜学丹 ^{[1
,2
]}

蔡莹皓 ^{[1
]}

鲁涛 ^{[1
]}

王硕 ^{[1
]}

闫哲 ^{[2
]}

机构：

[1] 中国科学院自动化研究所复杂系统管理与控制国家重点实验室

[2] 哈尔滨理工大学自动化学院

来源：

机器人 | 2017年 / 39卷 / 06期

关键词：

机械臂抓取; 深度学习; 目标检测; 分类;

D O I：

10.13973/j.cnki.robot.2017.0820

中图分类号：

TP241 [机械手];

学科分类号：

080202 ; 1405 ;

摘要：

提出了一种基于深度神经网络的机械臂最优抓取位置检测方法.相比传统手工设定的特征,基于深度神经网络的方法学习得到的特征具有较强的鲁棒性和稳定性,能够适应训练集中未曾出现的新物体.本方法首先使用基于深度学习的目标检测算法对图像中的目标物体进行检测,记录目标的类别和位置.然后根据分类检测结果,使用基于深度学习的机械臂抓取方法进行抓取位置学习.仿真实验表明所提方法能对图像中的目标物体进行较为准确的分类,在Universal Robot 5机械臂上得到的抓取实验结果证明了所提方法的有效性.

引用

页码：820 / 828+837 +837

页数：10