机器人目标抓取区域实时检测方法

针对目前机器人目标抓取区域检测方法无法兼顾检测准确率和实时性的问题,提出一种基于SE-RetinaGrasp神经网络模型的机器人目标抓取区域实时检测方法。该方法首先以一阶目标检测模型RetinaNet为基础提取抓取框位置及抓取角度;针对抓取检测任务采用SENet结构确定重要的特征通道;结合平衡特征金字塔设计思想,充分融合高低层的特征信息,以加强小抓取框的检测性能;在Cornell数据集上进行实验验证,结果表明该方法在取得更高检测准确率的同时,提高了抓取检测的效率,达到实时检测的要求。     

一种基于高效边界探索的机器人自主建图方法

针对目前自主移动机器人对室内未知环境的自主探索建图效率低、通用性差以及由于探索区域狭窄导致地图构建不完整的问题,提出一种基于曲线拟合和目标探索点邻域规划的边界探索自主建图方法。该方法对已构建的初始地图边界以曲线拟合方式筛选安全目标探索区,并针对机器人不可达目标探索区,采取滑动窗口邻域规划方法建立新目标探索点,引导机器人自主导航至该目标探索点,同时利用同步定位与建图技术,完成机器人对未知环境的自主探索和构图。实验表明,与现有方法比较,本方法能够以较少的探索次数、更短的探索路径和更高的探索效率完成对未知室内复杂场景的自主探索建图。