基于SE-ResNet的实时抓取姿态估计  

作　　者：王震洲[1] 王刚 宿景芳[1] 

机构地区：[1]河北科技大学信息科学与工程学院,河北石家庄050018

出　　处：《物联网技术》2025年第4期146-150,156,共6页Internet of things technologies

基　　金：河北省高等学校科学技术重点研究项目(ZD2020318);河北省教育厅青年基金(QN2023185)。

摘　　要：针对在非结构化抓取环境中机器人抓取成功率低和速度慢的问题,提出了一种基于SE-ResNet的生成残差卷积神经网络模型。首先,该模型在生成残差卷积神经网络(GR-ConvNet)模型的基础上引入了挤压和激励模块的残差网络来增强有效信息,抑制无效信息,并进行了深层次特征提取,提高了神经网络对抓取姿态中心的敏感性;其次,引入多尺度并行空洞卷积模块,用于提取不同尺度的特征,在不减少感受野的情况下提高了信息利用率,同时,其并行结构避免了多尺度特征之间的冗余;最后,针对单物体场景和多物体场景进行实验。实验结果表明,该方法可以帮助网络为机器人抓取检测任务学习更好的视觉特征。经验证,该方法的抓取准确率达98.3%,处理速度较快,满足了实时性的要求。

关 键 词：机器人 通道注意力机制 多尺度空洞卷积 抓取检测 残差网络 感受野 

分 类 号：TP242[自动化与计算机技术—检测技术与自动化装置]