基于角度约束与高斯化质量图的抓取检测方法研究

针对动态抓取环境中最优抓取点选取不稳定、抓取角度不准确的问题,提出一种基于角度约束与高斯化质量图的抓取检测方法.首先,将抓取角度按角度取值划分为多个类别,约束类别内角度取值范围,解决因密集标注导致的像素级标注丢失问题;再经形态学开运算方法过滤角度图中由于多个标注堆叠产生的碎片,得到标注一致性更强的抓取角度图.其次,利用高斯函数优化抓取质量图,突出可抓取区域中心位置的重要性,提升最优抓取点选取的稳定性.最后,在全卷积网络的基础上,引入抓取点和抓取方向注意力机制,提出融合注意力的生成式抓取检测网络(Attentive Generative Grasping Detection Network,AGGDN).在Jacquard仿真数据集上的实验结果表明:该方法的检测准确率能够达到94.4%,单次检测时间为11ms,能有效提升对复杂物体的抓取检测能力,且具有较好的实时性.对真实环境中不同姿态摆放的异形目标抓取实验结果表明:该方法抓取成功率能够达到88.8%,对训练集中从未出现的新目标有较强的泛化能力,能够应用于机器人抓取的相关任务.