基于YOLOv5与迁移学习的目标检测和机械臂抓取位姿估计 |
| |
引用本文: | 李万艳,阮观强,张振东.基于YOLOv5与迁移学习的目标检测和机械臂抓取位姿估计[J].机械传动,2024(3):170-176. |
| |
作者姓名: | 李万艳 阮观强 张振东 |
| |
作者单位: | 1. 上海东海职业技术学院机电学院;2. 上海电机学院机械学院;3. 上海理工大学机械学院 |
| |
基金项目: | 上海市2021年度“科技创新行动计划”项目(21DZ2304600); |
| |
摘 要: | 针对传统机器学习算法视觉识别准确率低、运行时间缓慢等问题,研究针对家庭场景中机器人做家务的场景,利用RGB图像信息为输入,完成对目标物体的抓取位姿估计。以目标检测模型YOLOv5s为基础,利用其轻便、速度快的优点,结合数据增强以及迁移学习搭建网络架构,搭建家庭场景数据集;将少量训练样本进行数据增强后,利用迁移学习将模型在目标数据集上训练,同时微调参数,将目标物体的定位信息通过坐标变换转换为机械臂的抓取位姿,控制机械臂最终以固定抓取姿态完成抓取任务;最后,通过搭建实验平台,操纵UR5机械臂进行实际抓取实验,验证了算法的有效性。提出的基于目标检测的方法速度快、实时性高、误/漏识别率小于2%,应用在机械臂抓取上可以高效地完成任务。
|
关 键 词: | YOLOv5s 机械臂 位姿估计 目标检测 迁移学习 |
|