基于三维点云的机械臂抓取位姿检测方法

针对机械臂抓取检测中对物体抓取位姿检测精度低的问题，提出一种基于三维点云的机械臂抓取位姿检测方法。首先设计基于注意力机制的端到端抓取位姿检测网络SE-PointNetGPD(简称SEPN-GPD),其次针对pointnet网络在利用共享权重的多层感知器MLP处理3D点云数据时信息冗余的问题，引入通道注意力机制SENet模块，通过自适应地调整各个特征区域权重的方式，提升网络特征提取能力从而提高抓取位姿检测的准确性和可靠性，然后在YCB和BigBIRD公开数据集上进行验证。实验结果表明：SEPN-GPD抓取位姿检测方法的分类精度分别为86.2%和85.14%,且网络具有较好的模型泛化能力和较高的鲁棒性与稳定性，优于当前主流的PointNetGPD和GPD等抓取位姿检测方法。