公开(公告)号：CN113822933B

公开(公告)日：2023-09-29

申请号：CN202111056444.3

申请日：2021-09-09

Applicant: 中北大学

Inventor： 韩慧妍 ,  王文俊 ,  张元 ,  杨晓文 ,  薛红新

IPC: G06T7/73 ,  G06T1/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明属于机器人视觉技术领域，具体涉及一种基于ResNeXt的智能机器人抓取方法。为克服现有抓取技术不能在检测速度和精度取得平衡的缺点，本发明生成真值图时，将标注按角度分类，高斯化的抓取质量图，构建的深度学习网络模型包括两次下采样、堆叠多次ResNeXt组成的的瓶颈层、两次上采样和并行的卷积构成的输出，得到输出后与对应真值图一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将拍摄到的深度图像输入到训练好的深度网络模型得到像素级预测输出，将像素级预测输出转换至机器人坐标抓取，利用机器人操作系统执行抓取。

公开(公告)号：CN113822933A

公开(公告)日：2021-12-21

申请号：CN202111056444.3

申请日：2021-09-09

Applicant: 中北大学

Inventor： 韩慧妍 ,  王文俊 ,  张元 ,  杨晓文 ,  薛红新

IPC: G06T7/73 ,  G06T1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于机器人视觉技术领域，具体涉及一种基于ResNeXt的智能机器人抓取方法。为克服现有抓取技术不能在检测速度和精度取得平衡的缺点，本发明生成真值图时，将标注按角度分类，高斯化的抓取质量图，构建的深度学习网络模型包括两次下采样、堆叠多次ResNeXt组成的的瓶颈层、两次上采样和并行的卷积构成的输出，得到输出后与对应真值图一起送入目标函数计算损失，反向传播调整参数，直至目标函数收敛，将拍摄到的深度图像输入到训练好的深度网络模型得到像素级预测输出，将像素级预测输出转换至机器人坐标抓取，利用机器人操作系统执行抓取。