基于改进Cascade R-CNN模型的机器人抓取检测研究

作     者：姜杨 赵峰禹 陈枭 JIANG Yang;ZHAO Feng-yu;CHEN Xiao

作者机构：东北大学机器人科学与工程学院辽宁沈阳110169 

出 版 物：《东北大学学报（自然科学版）》 (Journal of Northeastern University(Natural Science))

年 卷 期：2023年第44卷第6期

页      面：799-807页

核心收录：

学科分类：081104[工学-模式识别与智能系统] 08[工学] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(U20A20197) 辽宁省重点研发计划项目(2020JH2/10100040) 

主　　题：抓取检测 空洞卷积 Cascade R-CNN 多物体检测 机器人抓取 

摘      要：为提高多物体抓取检测网络的抓取检测准确率,提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先,引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率;引入带空洞卷积的空间金字塔池化模块以解决分辨率较低的问题;接着对抓取框回归分支和角度分类分支以分治方法进行优化.其次,针对多物体抓取数据集缺乏的问题,构建多目标抓取数据集(multi-object grasping dataset,MOGD),有效地扩充了多物体抓取检测数据集.最后,基于改进Cascade R-CNN模型设计抓取检测网络,实验结果表明,改进后的算法效率更高,PI-Cascade R-CNN实验准确率为93%,较Cascade R-CNN提升1.5个百分点.