基于YLG-CNN网络的目标识别与抓取位姿检测技术

作     者：王艺成 张国良 汪坤 张自杰 WANG Yicheng;ZHANG Guoliang;WANG Kun;ZHANG Zijie

作者机构：四川轻化工大学自动化与信息工程学院四川宜宾644000 人工智能四川省重点实验室四川宜宾644000 

出 版 物：《四川轻化工大学学报（自然科学版）》 (Journal of Sichuan University of Science & Engineering(Natural Science Edition))

年 卷 期：2024年第37卷第5期

页      面：78-86页

学科分类：08[工学] 

基　　金：四川省科技厅重点研发项目(2023YFG0196) 

主　　题：目标识别 抓取位姿检测 GG-CNN 残差网络 分类抓取 

摘      要：针对现有的抓取位姿检测算法难以实现高精度按类抓取的问题,设计了一种基于深度和语义信息的抓取位姿检测网络YLG-CNN。首先,对抓取检测算法GG-CNN进行改进,在特征提取模块添加残差结构,以融合不同层次的特征,提升检测模型对深度信息的理解能力,在残差结构末端引入CBAM注意力机制,使宜于作为抓取中心的热力像素点获得更高的热力值,得到更为可靠的抓取位姿;其次,通过YOLOv5算法获取待抓取目标的类别,并将其映射到改进GG-CNN所输出的抓取热力图中,为每个抓取点赋予抓取对象的语义信息,实现按类抓取。最后,设计了一套基于机器人操作系统(ROS)的3D视觉智能抓取系统,通过真实抓取实验验证所提方法。实验结果表明,所提的残差注意力抓取网络可抓取精度达到78.2%,较次优算法GGCNN+CBAM提高6.8%,并且YLG-CNN分类抓取网络能够实现高精度的分类抓取,其平均抓取成功率达到78.3%,较于GG-CNN+YOLOv5算法提升了17.1%。