| 基于改进Cascade R-CNN模型的机器人抓取检测研究 |
| |
| 引用本文： | 姜杨,赵峰禹,陈枭.基于改进Cascade R-CNN模型的机器人抓取检测研究[J].东北大学学报(自然科学版),2023(6):799-807. |
| |
| 作者姓名： | 姜杨 赵峰禹 陈枭 |
| |
| 作者单位： | 东北大学机器人科学与工程学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(U20A20197)； |
| |
| 摘 要： | 为提高多物体抓取检测网络的抓取检测准确率，提出一种基于改进Cascade R-CNN模型的机械臂抓取检测算法.首先，引入ResNeXt结构能够在不加大网络设计难度的前提下提高了模型的准确率；引入带空洞卷积的空间金字塔池化模块以解决分辨率较低的问题；接着对抓取框回归分支和角度分类分支以分治方法进行优化.其次，针对多物体抓取数据集缺乏的问题，构建多目标抓取数据集(multi-object grasping dataset, MOGD),有效地扩充了多物体抓取检测数据集.最后，基于改进Cascade R-CNN模型设计抓取检测网络，实验结果表明，改进后的算法效率更高，PI-Cascade R-CNN实验准确率为93%,较Cascade R-CNN提升1.5个百分点.
|
| 关 键 词： | 抓取检测 空洞卷积 Cascade R-CNN 多物体检测 机器人抓取 |
|
|
