基于高斯引导的机器人抓取检测生成式卷积神经网络
机器人学
2022-05-10 v1
摘要
基于视觉的抓取检测方法是机器人领域的重要研究方向。然而，由于抓取检测矩形的矩形度量局限，会出现假阳性抓取，导致真实世界机器人抓取任务失败。本文提出一种新颖的生成式卷积神经网络模型，以提升真实场景中标机器人抓取检测的精度与鲁棒性。首先，采用基于高斯的引导训练方法对抓取位姿中的抓取点与抓取角度质量进行编码，突出最高质量抓取点位置与抓取角度，并减少假阳性抓取的产生。同时，使用可变形卷积获取物体形状特征，以引导后续网络至该位置。此外，在特征重建阶段引入全局-局部特征融合方法，以高效获取更精细特征，使网络聚焦于被抓取物体特征。在 Cornell Grasping Datasets 与 Jacquard Datasets 上，我们的方法分别取得了 99.0 与 95.9 的优异性能。最后，所提方法在真实机器人抓取场景中进行了验证。
引用
@article{arxiv.2205.04003,
title = {A Novel Generative Convolutional Neural Network for Robot Grasp Detection on Gaussian Guidance},
author = {Yuanhao Li and Yu Liu and Zhiqiang Ma and Panfeng Huang},
journal= {arXiv preprint arXiv:2205.04003},
year = {2022}
}