密集环境下物体吸取可供性检测及其自监督学习方法

摘要: 在仓储物流中，散乱件分拣是影响整体效率的关键环节之一，机械臂抓取操作因灵活高效而广泛应用于此.为提高分拣成功率和标签获取效率，提出了一种两阶段物体吸取可供性检测网络及其自监督学习方法.区域预测网络RE-Net（region estimation network）融合深度与彩色（RGB）特征，能够进行与物体种类以及几何形状无关的兴趣区域检测.在选取的兴趣区域中，吸取点可供性检测网络SGPA-Net（suction-grasp-point affordance network）同样使用深度与彩色特征，对抓取点进行判断.使用所提的自监督方法自动采集数据并生成标签，两阶段物体吸取可供性检测方法在较短的时间内达到较高的吸取准确率.最后的实验结果验证了两阶段检测方法及其自监督学习方法的有效性.

关键词: 机械臂抓取    吸取可供性    卷积神经网络    自监督学习    

0 引言

机械臂抓取作为机器人操作领域中非常复杂而经典的问题，在仓储物流环境下有着广泛的应用潜力. 尤其是在散乱件分拣环节，待分拣商品随机堆叠于料框中，由于未