融合深度学习和几何分析的机器人六自由度抓取姿态估计

来源：计算机工程与应用杂志2025年第19期北京时间：

作者：李家成, 骆海涛, 曾德生, 梁宵

单位：1.沈阳航空航天大学 自动化学院，沈阳 110136；2.中国科学院 沈阳自动化研究所 机器人学国家重点实验室，沈阳 110016

摘要：高精度的抓取姿态对于提高机器人抓取操作的成功率和效率至关重要。为解决在非结构化环境中难以对未知物体生成可靠抓取姿态的问题，提出一种融合深度学习和几何分析的视觉导向抓取姿态估计方法。设计了一种利用几何信息来识别可抓取性较高点的方法，以解决点云处理过程中资源消耗过大且不能充分利用资源的问题；构建了一个融合深度学习和几何分析的六自由度抓取姿态估计模型，通过处理点云数据，生成丰富的抓取姿态；通过引入SparseSE（sparse squeeze-and-excitation）、SimAM（simple parameter-free attention module）和EnhancedMLP（enhanced multilayer perceptron）等方法，对网络模型进行了进一步的优化；在大型基准数据集GraspNet-1Billion上对该方法进行了评估，结果表明，该方法在GraspNet-1Billion数据集的三个类别中的平均精度（AP）均优于现有的先进方法。此外，通过多次真实场景的抓取验证，进一步证明了该方法的准确性和有效性。

关键词：机器人抓取,姿态估计,深度学习,点云