【技术实现步骤摘要】
本说明书涉及机械臂抓取检测领域，特别涉及一种基于轻量级神经网络的堆叠物体吸取点检测方法。
技术介绍
1、抓取检测技术是机械臂抓取过程中重要的技术，其生成的抓取点的质量以及效率对于机械臂能否完成抓取至关重要。从使用光学设备采集到的环境信息中估计机械臂抓取位置被认为是完成抓取的关键技术之一。然而，由于物体形状的多样性、物体间相互位置以及抓取背景的复杂性等因素，对多目标、高堆叠的混乱环境下的物体进行定位和姿态估计是非常困难的。因此，如何快速高效的生成可用于机械臂完成抓取的高质量抓取点已成为国内外近年来前沿性研究课题，不仅具有重要的学术价值，更具有重要的社会意义和广泛的应用前景。
2、现有的抓取点检测方法主要为基于视觉和深度学习的方法。但是现有的方法大多神经网络结构复杂，参数量大，导致使用神经网络进行吸取点预测时，所需预测时间较长，从而影响机械臂抓取效率；此外，现有神经网络存在将背景检测为可抓取区域的错检问题，容易导致机械臂按照生成吸取点吸取时失败。
技术实现思路
1、针对现有技术中的...
【技术保护点】
1.一种基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，包括：
2.根据权利要求1所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述S2中轻量级吸取点检测模型具体包括：
3.根据权利要求2所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述特征融合分支包括：
4.根据权利要求1所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述S3包括：
5.根据权利要求4所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述利用反向传播算法优化损失函数包括：
...
【技术特征摘要】
1.一种基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，包括：
2.根据权利要求1所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述s2中轻量级吸取点检测模型具体包括：
3.根据权利要求2所述的基于轻量级神经网络的堆叠物体吸取点检测方法，其特征在于，所述特征融合分支包括：
...
【专利技术属性】
技术研发人员：董益民，杨树斌，陈学能，
申请(专利权)人：广州维希尔智能技术有限公司，
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。