基于卷积神经网络的机器人抓取位姿自主检测算法研究

发布时间：2024-12-18 02:42

　　机器人抓取是应用最为广泛的机器人作业任务,也是机器人操作中最具挑战性的技术之一。当前成熟的机器人抓取系统多数针对结构化操作环境,且依赖事先获取的抓取对象模型规划抓取过程,抓取目标形状、姿态、大小、颜色等特征单一且应用场景相对固定,缺乏灵活性与鲁棒性。为适应非结构化环境下未知目标抓取的应用需求,首先需要攻克未知目标抓取位姿的自主检测问题。本文针对未知目标物体的自主抓取位姿检测展开研究,提出了基于卷积神经网络的机器人抓取位姿自主检测算法,并进行了实验验证,主要内容包括:研究了基于RGB-D图像的机器人抓取位姿表示方法,将机器人三维空间抓取位姿检测问题转换为二维图像检测问题。研究二维图像上的有向矩形框表示方法表示机器人三维空间抓取位姿,并提出通过限定抓取方向为物体表面法线方向的方式,结合RGB-D图像数据,将该有向矩形框参数唯一映射到机器人三维空间抓取位姿参数。提出了一种基于滑动窗检测的抓取位姿检测算法,抓取位姿检测准确率较同类型算法有所提高。基于卷积神经网络模型设计了一个抓取位姿抓取置信度判别模型,使用滑动窗算法生成的候选抓取位姿进行可抓取置信度判定并排序,得到最优抓取位姿。该算法在康奈尔抓...

【文章页数】：84 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题来源
    1.2 课题背景、目的及意义
    1.3 国内外研究现状
    1.4 本课题研究内容
2 基于RGB-D图像的机器人抓取位姿表示方法
    2.1 深度相机图像获取
    2.2 抓取位姿二维表示方法
    2.3 抓取位姿三维空间映射
    2.4 本章小结
3 基于滑动窗检测的抓取位姿检测算法
    3.1 引言
    3.2 抓取训练数据集
    3.3 滑动窗检测方法
    3.4 算法模型
    3.5 模型训练及测试分析
    3.6 本章小结
4 基于深度残差网络的抓取位姿检测算法
    4.1 引言
    4.2 数据扩增
    4.3 迁移学习
    4.4 算法模型
    4.5 模型训练及测试分析
    4.6 本章小结
5 机器人抓取位姿检测算法实验验证
    5.1 引言
    5.2 实验硬件平台搭建
    5.3 实验软件系统设计
    5.4 实物抓取实验及分析
    5.5 本章小结
6 总结与展望
    6.1 全文总结
    6.2 课题展望
致谢
参考文献
附录1 攻读硕士学位期间取得的研究成果



本文编号：4016926