基于深度学习的管件识别与位姿估计研究

作者：李雨龙; 陈松^*; 李鑫; 李昌龙; 赵耀耀; 李顺

来源：制造技术与机床, 2022, (12): 70-75.

DOI：10.19287/j.mtmt.1005-2402.2022.12.011

• 管件
• 位姿估计
• DOPE
• 深度学习

管件的6D位姿估计是机器人抓取抛光的前提，传统的估计策略工作量大，基于深度学习提出改进的深度对象姿态估计（deep object pose estimation,DOPE）框架对管件实时检测。首先，制作合成数据训练网络。其次，对网络提出改进：针对管件的旋转对称性，自定义损失函数，提高管件检测精度；且采用Resnet18提取管件特征，减轻网络规模。最后，探究热图阶段数对推理时间的影响。改进后的DOPE网络估计管件位姿时，其精度-阈值曲线下面积（area under the curve,AUC）提高了17%，参数量和浮点计算量分别减少9%和20%，检测单张图片仅需102 ms。估计管件位姿试验证明了改进DOPE的有效性，且满足工业要求。

• 单位
  辽宁科技大学; 自动化学院