控制与决策

作者：李明,鹿朋,朱龙,朱美强,邹亮

单位：地下空间智能控制教育部工程中心,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,地下空间智能控制教育部工程中心,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,地下空间智能控制教育部工程中心,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,地下空间智能控制教育部工程中心,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,地下空间智能控制教育部工程中心,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,

关键词：RGB-D融合;密集遮挡检测;多尺度检测;抓取检测;机械臂;深度学习

基金：国家自然科学基金项目(51904297,61901003).

针对当前抓取检测模型对密集遮挡物体的检测效果差以及人工数据标注工作量大的问题,提出基于RGB-D图像融合的目标检测与抓取检测分步骤进行的改进方案.新方案支持将单物体图像训练的抓取检测模型直接应用于密集遮挡的多物体图像场景中.首先,考虑到密集遮挡场景下抓取物具有多尺度的特点,提出子阶段路径聚合(SPA)的多尺度特征融合模块,用于丰富RGB-D特征级别融合的目标检测模型SPA-YOLO-Fusion的高维语义特征信息,以便于检测模型定位所有的抓取物;其次,使用基于RGB-D像素级别融合的GR-ConvNet抓取检测模型估计每个物体的抓取点,并提出背景填充的图像预处理算法来降低密集遮挡物体的相互影响;最后,使用机械臂对目标点进行抓取.在LineMOD数据集上对目标检测模型进行测试,实验结果表明SPA-YOLO-Fusion的mAP比YOLOv3-tiny与YOLOv4-tiny分别提高了10%与7%.从实际场景中采集图像制作YODO_Grasp抓取检测数据集并进行测试,结果表明增加背景填充预处理算法的GR-ConvNet的抓取检测精度比原模型提高了23%.

来源：2023年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第10期