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 |
|
|