基于SE-ResNet的机器人最优抓取姿态检测方法

doi:10.13873/J.1000-9787(2023)05-0112-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SE-ResNet的机器人最优抓取姿态检测方法

更新时间：2025-09-11

- 基于SE-ResNet的机器人最优抓取姿态检测方法
- Issue 5, Pages: 112-116(2023)
- 作者机构：
  
  沈阳航空航天大学计算机学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)05-0112-05
  CLC： TP242;TP391.41
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (5): 112-116.
DOI：

[J]. 2023, (5): 112-116. DOI： 10.13873/J.1000-9787(2023)05-0112-05.

摘要

为了提高机器人在抓取物体时成功率和速度，提出了一种基于SE-ResNet的生成式机器人抓取位置检测模型。模型通过输入的RGB-D图像直接生成对应的抓取映射图，ResNet解决了深度模型的退化问题，在此基础上引入挤压和激励机制，让模型使用全局信息来增强有用信息，并抑制无用信息。选择Jaccard指数作为抓取检测的评价标准。实验结果表明，该方法在Cornell数据集上的准确率高达98.9%。搭建了基于PyBullet物理仿真环境的抓取检测平台，使用Panda机械臂对Egad评估集中的各个难度的物体抓取表现良好，在提高抓取检测的成功率的同时，保证了实时性。

Abstract

关键词

Keywords

references

基于GPR和KRR组合模型的机械臂抓取研究[J]. 陈奎烨;史旭华;徐铭泽.传感器与微系统,2021(01)

面向机器人抓取过程中目标位姿估计方法[J]. 李树春;张静;张华;刘满禄;杨厚易;刘理想.传感器与微系统,2019(07)

EGAD! an Evolved Grasping Analysis Dataset for diversity and reproducibility in robotic manipulation[J]. Douglas Morrison;Peter Corke;Jurgen Leitner.IEEE Robotics and Automation Letters,2020

Real-World Multiobject, Multigrasp Detection[J]. Chu Fu Jen;Xu Ruinian;Vela Patricio A..IEEE Robotics and Automation Letters,2018

Deep learning for detecting robotic grasps[J]. Ian Lenz;Honglak Lee;Ashutosh Saxena.The International Journal of Robotics Research,2015

Views

356

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于智能AI的传感器应用

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于深度学习的散斑图应变场测量

基于双通道图卷积网络的人体行为识别方法

Related Author

邓迅

马丽娜

陈美亦

武东辉

刘国志

管大松

赵婉婉

杨佳慧

Related Institution

中国电子科技集团公司第四十九研究所

临沂大学自动化与电气工程学院

郑州轻工业大学建筑环境工程学院

北京开放大学

北京联合大学北京市信息服务工程重点实验室

⁰