基于HDC-Grasp模型的机器人抓取检测方法OA

针对当前抓取检测模型检测效果差的问题,提出一种基于HDC-Grasp(HDC-Grasp,hierarchical dilate former-CNN Grasp)模型的机器人抓取检测网络。该模型首先提出了一个层级融合模块,在多尺度上有效地融合输入的RGB图像与深度图;其次,以U-Net为基础,引入基于多尺度空洞注意力的分层Transformer编码器,用于提取模型的多尺度特征;最后,构建了残差通道注意力模块以关注模型在各通道上的权重。所搭建的模型在Cornell数据集上的图像检测精度和对象检测精度分别达到98.4%和97.3%,在Jacquard数据集上达到了96.8%的准确率;在UR3e机器人平台的真实抓取实验中,抓取成功率达到93.2%,验证了该方法的有效性与实用性。