SGPD：复杂环境下的稳定抓取位姿检测

来源：机器人杂志2024年第6期北京时间：

作者：张会文, 苏贇, 刘玉旺, 赵新刚, 付成龙, 冷雨泉

摘要：非结构化环境下，存在物体之间相互遮挡，物体类别、质量、形状信息无法精确获得等问题，给稳定抓取带来了巨大挑战。为此，本文提出了一种基于高斯聚类的稳定抓取位姿检测（SGPD）方法。该方法能够结合物体几何特性建立抓取点的采样分布函数，从而保证在物体中心处获得更多的采样点，解决现有抓取位姿检测方法中采样不合理导致抓取稳定性差的问题。并且，该方法利用卷积网络模型对候选位姿打分，得到抓取成功率最高的位姿并执行。此外，SGPD法使用迭代最近点配准方法对多帧点云进行融合，解决观测输入不完整导致候选位姿质量差的问题。综上，SGPD方法能够应对观测不全，物体类别、形状未知等挑战，并对新物体具有优异的泛化性。最后，本文在复杂场景下开展了针对未知物体的随机抓取实验，SGPD方法返回最优抓取位姿的概率为89.74%，抓取成功率为79.48%，优于现有研究中的随机采样方法。

关键词：非结构化环境, 抓取位姿检测, 机械臂, 高斯采样