基于三流联合卷积神经网络的机械臂抓取检测

目前已有一些研究将深度学习应用于机械臂的抓取检测中,但很难同时保证检测的实时性和准确性.本文提出一种用于抓取检测的三流联合卷积神经网络模型,该模型由三个独立的深度卷积神经网络流组成,其中每个流分别处理其对应的输入模态,并将它们以一种后期融合的方式结合在一起;然后利用改进的单级回归算法进行抓取位置预测,并提出一种新的置信度计算方式.该模型在康奈尔抓取数据集上图像分割和对象分割的准确率分别为94.9%和93.7%.并且在GPU上以每秒14.2帧的速度进行实时检测.测试结果表明,我们的模型同时保证了抓取检测的实时性与准确性,提高了检测的速度与精度.