复杂环境中的多尺度目标抓取检测研究

来源：计算机工程与应用杂志2025年第24期北京时间：

作者：罗鑫, 臧强, 张永宏, 董天天, 柏宗春

单位：1.南京信息工程大学 自动化学院，南京 210044；2.无锡学院 自动化学院，江苏 无锡 214153；3.南京信息工程大学 电子与信息工程学院，南京 210044；4.江苏省农业科学院 农业设施与装备研究所，南京 210044

摘要：在复杂环境中的物体抓取姿态检测是智能机器人实现自主操作的关键技能之一。GSNet在六自由度抓取学习方面取得了良好的效果，但其方法在采样和学习过程中忽略了不同尺度特征对抓取位姿估计的影响，导致对不同大小物体的抓取精度存在一定局限性。提出一个多尺度特征融合模块，该模块采用三种采样策略来获取多尺寸物体特征，并作为新的种子点提取方法，增强抓取检测网络对不同尺寸物体的适应能力。引入多尺度并行卷积结构优化骨干网络，增强网络对物体几何特征的感知能力。在GraspNet-1Billion数据集上进行抓取姿态准确度评估，结果表明改进后的方法取得了较好的结果；同时进一步评估了对于多尺度物体场景中的抓取姿态估计能力，实验结果在估计中、大尺寸物体抓取姿态准确度中表现良好，相较于其他主流方法最高有16.83个百分点的提升，并在真实环境实验中验证了方法的有效性。

关键词：六自由度抓取,多尺度特征,深度学习,点云