基于SE-ResNet的实时抓取姿态估计

打开文本图片集

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。（剩余7212字）