基于Inception-ConCat-GraspNet神经网络的二维机器人抓取算法设计与实现

随着人工智能技术的飞速发展,工业机械手臂的应用价值越来越重要。为了提高工业机械臂对工作环境的适应能力,需要机械臂根据视觉环境自主计算出抓取物体的路径和抓取姿态,从而提高抓取准确率和反应时间。本文针对机器人自主抓取需求,在借鉴Inception网络结构和YOLOv4-tiny中CSP思想上,首先设计了抓取网络卷积模块Inception-ConCat,并结合机器人抓取的相关特征,设计端到端的单阶段抓取网络Inception-ConCat-GraspNet。为验证网络效果,采用通用的Jaccard指数,在康奈尔数据集和实际视觉抓取机器人中进行实验,结果表明该模型在康奈尔数据集上综合抓取准确度达到97.3%,实际机器人抓取精度达到96.1%,相较于其他抓取网络算法,本次算法有明显的优势,该研究结果对于机器人自主目标抓取的应用起到重要推进作用。