公开(公告)号：CN119610219A

公开(公告)日：2025-03-14

申请号：CN202411965974.3

申请日：2024-12-30

Applicant: 东北大学 ,  辽宁庆阳特种化工有限公司

Inventor： 姜杨 ,  孙大康 ,  张雪娇 ,  林海生 ,  刘英佳 ,  邢芸 ,  张泽慧 ,  马华隆 ,  姜影

IPC: B25J19/00

Abstract: 本发明提供一种基于轻量化网络的协作机器人抓取检测方法，涉及工业智能抓取技术领域，本发明解决传统二维平面抓取中存在的问题，优化现存的深度学习抓取算法。通过引入注意力机制模块并将抓取图进行重构，提出新型的网络框架ORANGE(ORientation Attentive Grasp synthEsis)，将抓取问题变为回归和分类问题。此外，还提出了一种方向注意力机制，通过增强的抓取地图(Augmented Grasp Map，AGM)来改进传统的抓取策略。该方法将抓取问题将抓取方向划分为多个离散区间，每个区间表示一定范围内的方向角度，从而减少了同一抓取点在不同方向上的重叠问题。本方法通过对深度图像的像素级处理，结合卷积神经网络的特征提取能力，提高了抓取点的预测准确性和稳定性。

公开(公告)号：CN116433636A

公开(公告)日：2023-07-14

申请号：CN202310414010.9

申请日：2023-04-18

Applicant: 东北大学

Inventor： 姜杨 ,  张雪娇 ,  赵彬 ,  孙若怀 ,  梁亮

IPC: G06T7/00 ,  G06T7/80 ,  G06T7/557 ,  G06T7/73 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于深度强化学习与大数据库的智能检测方法，首先通过编程语言从数据库读取与批量命名图片构成数据集；然后生成深度图像获得RGB‑D图像数据集，对RGB‑D图像数据集进行标注并增强，为模型训练做准备；使用构建的基于深度强化学习方法的轻量化网络进行模型训练；通过深度相机获取真实场景中的RGB‑D图像，并输入到网络中进而预测图像中每个物品的类别与可行抓取框；完成标定的机械臂根据预测的可行抓取框，确定物品种类与位置进行实时的智能抓取；本发明方法可在快速而准确的得到每个物体的类别抓取位姿，从而实现对未知物体的高准确度，快识别率的智能抓取。