机器人

作者：徐胜军, 任君琳, 刘光辉, 孟月波, 韩九强

关键词：非结构化环境, 编/解码网络, 上下文聚合, 轻量级, 抓取位姿

针对多样性目标在非结构化环境中的抓取位姿难以估计的问题, 提出一种基于上下文聚合策略的轻量级编/解码抓取位姿检测网络。首先, 以编/解码网络架构为基础, 利用深度可分离卷积层与混洗单元构建目标特征深度分离-融合提取块, 减少编码网络参数量, 增强网络对抓取区域特征的提取能力; 其次, 利用双线性插值法和深度可分离卷积层建立深度分离-重构块, 在恢复高层特征丢失信息的同时, 有效减少解码网络的参数量; 最后, 针对可抓取区域像素点与目标物体全貌之间的非一致性问题, 基于交叉熵辅助损失和自注意力机制, 提出一种抓取区域上下文聚合策略, 引导网络增强可抓取目标区域特征的表征能力, 抑制非抓取像素点的冗余特征。实验结果表明, 所提网络在Cornell数据集的图像拆分与对象拆分子集上抓取检测准确率分别可达97.8%与93.8%, 单张图像检测速度可达64.93张/秒; 在Jacquard数据集上抓取检测准确率可达95.1%, 单张图像检测速度可达60.6张/秒。与对比网络相比, 所提网络不仅计算量与参数量较小, 而且抓取检测的准确率与速度均有明显提升, 在真实场景下对9种物体的抓取检测验证中, 抓取成功率达到93.3%。

来源：2023年第6期

《机器人》期刊编辑部

查看机器人杂志2023年第6期