基于感兴趣区域的物体抓取位姿检测

作者：孙先涛; 江汪洋; 陈文杰^*; 陈伟海; 智亚丽

来源：系统工程与电子技术, 2023, 1-14.

• 深度学习
• 掩膜
• 感兴趣区域
• 轻量化网络
• 位姿检测

在工业生产中，待抓取物体往往具有种类众多、摆放位置杂乱、形状不规则等特点，使得难以准确获取物体抓取位姿。针对以上问题，本文提出一种基于深度学习的两阶段抓取位姿估计方法。第一阶段，提出一种基于YOLOv4改进的轻量级旋转目标检测算法，提高目标的检测速度和检测精度。首先，使用轻量化网络GhostNet和深度可分离卷积对原始网络进行重构，降低整个模型参数；然后，在颈部网络中增加自适应空间特征融合结构和无参注意力模块，提高对感兴趣区域的定位精度；最后，使用近似SkewIoU损失解决角度的周期性问题。第二阶段，制作与原始图片尺寸一样的掩膜提取感兴趣区域；同时，提出一种改进的DeepLabV3+算法，用以检测感兴趣区域中物体的抓取位姿。实验结果表明，改进后的YOLOv4网络检测精度达到92.5%，改进的DeepLabV3+算法在Cornell抓取数据集上的图像拆分和对象拆分精度分别达到94.6%，92.4%，且能准确检测出物体的抓取位姿。

• 单位
  安徽大学; 北京航空航天大学; 自动化学院