基于稳定轻量级网络的机器人抓取检测方法

作     者：徐志超 薛俊鹏 孙鹏飞 宋泽宇 于长志 卢文博 Xu Zhichao;Xue Junpeng;Sun Pengfei;Song Zeyu;Yu Changzhi;Lu Wenbo

作者机构：四川大学空天科学与工程学院四川成都610065 中国工程物理研究院机械制造工艺研究所四川绵阳621999 

出 版 物：《中国激光》 (Chinese Journal of Lasers)

年 卷 期：2023年第50卷第13期

页      面：63-72页

核心收录：

学科分类：0710[理学-生物学] 081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：教育部“春晖计划”合作科研项目(2020703-8) 四川省科技计划项目(2023YFG0181) 

主　　题：机器视觉 机器人抓取 轻量级网络 物体检测 姿态检测 

摘      要：利用深度学习实现视觉图像的实时检测和姿态解算是引导机器人智能抓取的重要手段。针对机器人抓取检测中对准确性、实时性和稳定性的需求问题,构建了一种基于稳定轻量级网络的新型机器人抓取检测方法。将实例归一化层用于网络的卷积层和残差块中,每次只考虑单张图片的一个通道,不仅减少了运算量,还能有效利用单张图片的每个像素信息,在提升每个图像实例之间检测稳定性的同时加快模型收敛的速度;将特征金字塔网络分层结构融入上采样,并结合多维度语义信息增加对多尺度物体检测的准确度和稳定性。所构建的轻量级模型在交并比(IOU)为0.25时准确度为94.4%,画面传输速度为40.8 frame/s,并且在IOU低于0.5时准确度仍保持在80%以上。实验证明了在轻量级网络中加入实例归一化和特征金字塔的有效性。