基于注意力机制的实时性抓取检测算法*

郝 宸， 田 瑾， 韩 华， 吴 飞， 李洪芹

(上海工程技术大学 电子电气工程学院，上海 201620)

0 引 言

近年来，深度神经网络在机器人抓取检测的应用研究取得了重大进展。美国康奈尔大学Lenz I等人[1]借鉴深度学习在图像处理中的成功经验，提出了基于深度学习的抓取检测方法。与传统的人工经验抽取样本点特征相比，基于深度学习的机器人抓取检测方法可以自动学习识别和提取抓取点位姿和抓取角度[2]。目前的研究方向是如何将深度学习方法用来学习不同物体的姿态和角度，预测出多个抓取位姿来找到最佳抓取点的位置和抓取角度[3]。

基于深度学习的方法，Lenz I等人[1]首先采用滑动窗口的方法搜索抓取框用于抓取检测中，在Cornell数据集上达到73.9 %的检测准确率，但由于类似随机列举法的搜索方式，使得重复计算，因此,模型运行缓慢，无法实时抓取检测。

Redmon J等人[4]摒弃了滑动窗口的方法进行抓取预测，使用单阶段网络应用于图像块的计算中，直接预测抓取点位姿坐标，并同一时间预测多个抓取角度，但这种方法由于卷积神经网络(convolutional neural networks，CNN)结构的复杂性存在模型较大的缺陷。Kumra S等人[5]将整个图像输入到CNN中进行抓取预测，并使用预训练模型ResNet50提取抓取特征，可以达到较好的检测准确性，但是由于需要大量模型学习的参数，导致网络模型与计算量都很大。

Chu F J等人[6]提出了一种多物体抓取场景模型，首次使用ResNet50对输入图像提取抓取特征，使得物体检测中Faster_RCNN、YOLO等可以用于机器人抓取场景中，模型准确率达到96 %，运行速度比之前的方法快，由于模型较深导致模型较大。……