基于深度值引导的机械臂多尺度抓取检测方法

摘要

针对4DoF抓取检测的性能，改进了抓取表示方法，并提出了基于深度值引导的机械臂多尺度抓取检测框架(DGM-Grasp)。在编解码网络的基础上，融入多尺度跨空间注意力下采样模块，以更好地聚焦抓取特征；为了提取多尺度语义信息，设计了渐进式多尺度特征融合-解码模块；通过提出的深度值引导的抓取筛选模块解决抓取过程中的碰撞问题。DGM-Grasp在Cornell和Jacquard两个单目标数据集上准确率分别达到98.6%和95.25%,检测用时可降低至21 ms;在多目标数据集上也取得了良好的效果；消融实验和真实抓取实验成功率达到96%。实验充分验证了DGM-Grasp的泛化能力和性能。

关键词

机械臂 / 深度学习 / 抓取检测 / 特征融合 / 深度图像 / 抓取表示