基于Keypoint RCNN改进模型的物体抓取检测算法

作     者：夏浩宇 索双富 王洋 安琪 张妙恬 Xia Haoyu;Suo Shuangfu;Wang Yang;An Qi;Zhang Miaotian

作者机构：清华大学机械工程系北京100084 

出 版 物：《仪器仪表学报》 (Chinese Journal of Scientific Instrument)

年 卷 期：2021年第42卷第4期

页      面：236-246页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0804[工学-仪器科学与技术] 0703[理学-化学] 0803[工学-光学工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2017YYF0108101)项目资助。 

主　　题：抓取检测 Keypoint RCNN改进模型 损失权重 注意力模块 抓取描述 重合度 最优抓取 

摘      要：机器人抓取在工业中的应用有两个难点:如何准确地检测可抓取物体,以及如何从检测出的多个物体中选择最优抓取目标。本文在Keypoint RCNN模型中引入同方差不确定性学习各损失的权重,并在特征提取器中加入注意力模块,构成了Keypoint RCNN改进模型。基于改进模型提出了两阶段物体抓取检测算法,第一阶段用模型预测物体掩码和关键点,第二阶段用掩码和关键点计算物体的抓取描述和重合度,重合度表示抓取时的碰撞程度,根据重合度可以从多个可抓取物体中选择最优抓取目标。对照实验证明,相较原模型,Keypoint RCNN改进模型在目标检测、实例分割、关键点检测上的性能均有提高,在自建数据集上的平均精度分别为85.15%、79.66%、86.63%,机器人抓取实验证明抓取检测算法能够准确计算物体的抓取描述、选择最优抓取,引导机器人无碰撞地抓取目标。