【技术实现步骤摘要】
本专利技术涉及物体抓取，尤其涉及基于非结构化场景的多尺度物体抓取点检测方法及系统。
技术介绍
1、近年来随着人工智能快速发展，机器人作为人工智能领域的代表受到人们的高度重视。机器人的大量应用使得其对各种灵巧操作要求极高，因此机器人的抓取点检测能力正受到越来越多的关注。为了提高机器人的总体抓取能力，准确的抓取点检测是一个相对关键的部分，而在现实世界中，物体的多样性和环境的复杂性使得机器人在抓取任务中面临很大的挑战，现有的研究者们将深度学习的方法应用到机器人抓取点检测任务，通过卷积神经网络成功地改善了机器人总体抓取性能，但是现有的运用卷积神经网络执行机器人抓取任务的方法存在以下问题：
2、1）检测物体单一：现有技术通常只能检测单一类型物体，物体种类过于简单，缺乏对多种类物体的识别能力。这意味着在面对不同类型的物体时，机器人可能无法进行有效的抓取操作。
3、2）抓取质量问题：现有技术存在抓取质量低下的问题，不能够灵活调整抓取区域，难以将目标物体和背景清晰区分，这会导致抓取的不稳定和不准确。
4、3）检测区域...
【技术保护点】
1.基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，所述多尺度物体抓取点检测模型包括特征提取模块、双分支注意力模块和卷积转置模块，所述特征提取模块的输出端与所述双分支注意力模块的输入端连接，所述双分支注意力模块的输出端与所述卷积转置模块的输入端连接。
3.根据权利要求2所述基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，所述基于多尺度物体抓取点检测模型，对待抓取物体的RGB-D图像进行抓取点提取处理，得到物体抓取点图像这一步骤，其具体包
4...
【技术特征摘要】
1.基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，所述多尺度物体抓取点检测模型包括特征提取模块、双分支注意力模块和卷积转置模块，所述特征提取模块的输出端与所述双分支注意力模块的输入端连接，所述双分支注意力模块的输出端与所述卷积转置模块的输入端连接。
3.根据权利要求2所述基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，所述基于多尺度物体抓取点检测模型，对待抓取物体的rgb-d图像进行抓取点提取处理，得到物体抓取点图像这一步骤，其具体包括：
4.根据权利要求3所述基于非结构化场景的多尺度物体抓取点检测方法，其特征在于，所述基于多尺度物体抓取点检测模型的特征提取模块，对待抓取物体的rgb-d图像进行特征提取处理，得到初步的待抓取物体的多尺度rgb-d图像特征这一步骤，其具体包括：
5.根据权利...
【专利技术属性】
技术研发人员：朱文博，杨志豪，罗陆锋，卢清华，王恺，阮文俊，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。