2023年第5期仪表技术与传感器InstrumentTechniqueandSensor2023No．5基金项目:国家重点研发计划“智能机器人”重点专项(2018YFB1307100);安徽省教育厅科学研究重点项目(KJ2020A0364)收稿日期:2022－11－01基于PointNet++的机器人抓取姿态估计阮国强1，曹雏清1，2(1．安徽工程大学计算机与信息学院，安徽芜湖241000;2．哈尔滨工业大学芜湖机器人产业技术研究院，安徽芜湖241000)摘要:为解决在无约束、部分遮挡的场景下对部分遮挡的物体生成可靠抓取姿态的问题，基于PointNet++网络改进了一种抓取姿态估计算法，该算法可直接从目标点云中生成二指夹具的抓取姿态。由于该算法降低了抓取姿态的维度，将抓取的7自由度问题转变成4自由度问题处理，从而简化学习的过程加快了学习速度。实验结果表明:该算法在无约束、部分遮挡的场景中，能够生成有效的抓取姿态，且较Contact-GraspNet算法成功抓取率提升了约12%，能够应用于家用机器人的抓取任务。关键词:点云;位姿估计;抓取估计;深度学习;损失函数中图分类号:TP391文献标识码:A文章编号:1002－1841(2023)05－0044－05ＲobotGraspingAttitudeEstimationBasedonPointNet++ＲUANGuo-qiang1，CAOChu-qing1，2(1．SchoolofComputerandInformation，AnhuiPolytechnicUniversity，Wuhu241000，China;2．HarbinInstituteofTechnologyWuhuＲobotTechnologyＲesearchInstitute，Wuhu241000，China)Abstract:Inordertosolvetheproblemofgeneratingreliablegraspattitudeforpartiallyoccludedobjectsinunconstrainedandpartiallyoccludedscenes，thispaperproposedagraspingattitudeestimationalgorithmbasedonPointNet++network．Theal-gorithmcandirectlygeneratetwofingergrippergraspattitudefromthetargetpointcloud．Becausethealgorithmreducedthedi-mensionofgraspingattitude，ittransformedtheproblemof7degreesoffreedomintotheproblemof4degreesoffreedom，acceler-atingtherateoflearningbysimplifyingtheprocess．Experimentalresultsshowthatthealgorithmcangenerateeffectivegrabatti-tudeinunconstrainedandpartiallyoccludedscenes，andimprovesthegrabbingratepredictionbyabout12%comparedwithCon-tact-GraspNet，whichcanbeusedforgrabbingtaskswithhomerobots．Keywords:pointcloud;poseestimation;graspestimation;depthlearning;lossfunction0引言智能机器人在执行抓取任务时需要获取目标的位...
