基于语义分割与脑-机接口的机械手抓取方法研究

发布时间：2021-10-16 01:56

　　对生产环境中的未知物体进行抓取是仿人机械手执行各种复杂任务的基本能力之一,针对抓取目标进行自动识别定位、如何控制机械手完成平稳和准确的物体抓取等机器人控制领域亟待解决的关键问题,提出将5指型仿人机械手作为机械臂的末端抓取器,改进语义分割神经网络ENet（efficient neural network）应用于抓取目标的识别定位。仿真结果显示:其在测试数据集上Io U （Intersection over Union）达到0. 92,单张检测时间达到23 ms,连接四层神经网络能够从候选区域中有效检测出最优抓取区域。此外,训练神经网络和随机森林指令识别模型识别脑-机接口输入的脑电波信号来控制仿人机械手完成抓取,这种方法有效地增加了仿人机械手运动控制的灵活性。 

【文章来源】：重庆理工大学学报(自然科学). 2020,34(03)北大核心

【文章页数】：10 页

【文章目录】：
1 系统总体结构
2 5指型仿人机械手
3 语义分割神经网络
    3.1 抓取目标语义分割数据集
    3.2 语义分割网络模型结构
    3.3 ENet模型训练
        3.3.1 损失函数初始化
        3.3.2 训练参数设置
        3.3.3 IoU(Intersection over Union)计算
    3.4 候选区域生成
    3.5 最优抓取区域判断
4 脑机接口
    4.1 iii Tech-3IT＿EH设备
    4.2 脑电波数据采集与处理
    4.3 指令识别神经网络模型
        4.3.1 激活函数
        4.3.2 损失函数
        4.3.3 参数设置
    4.4 指令识别随机森林模型
5 实验与仿真结果
    5.1 ENet模型训练结果
    5.2 最优抓取区域判断模型
    5.3 指令识别模型
        5.3.1 神经网络模型
        5.3.2 ID3随机森林模型
        5.3.3 模型对比
    5.4 抓取仿真
        5.4.1 仿真系统结构
        5.4.2 仿真系统结构
        5.4.3 脑机接口控制
        5.4.4 抓取仿真
6 结束语



本文编号：3438929