深度学习机器人抓取系统

针对传统人工示教机器人抓取系统智能化程度低、自适应性差、系统可移植性差等问题，提出一种基于深度学习的机器人抓取系统。搭建由UR3机械臂，Gigabyte Z370N WIFI嵌入式开发板，深度相机等组成的硬件系统，通过基于深度学习的目标检测获取目标物像素坐标，进行视觉系统的定位研究将像素坐标映射到世界坐标系并在ROS系统中进行机械臂建模与控制，完成对目标物的抓取。针对由于嵌入式硬件平台算力欠缺导致目标检测算法难以部署的问题，从目标检测精度、实时性两方面将工业界应用广泛的YOLO系列算法进行对比研究，探究基于深度学习的目标检测算法在算力欠缺的嵌入式机器人抓取系统中的应用。实验结果表明，基于计算机视觉的机器人抓取系统目标识别精度高，智能化程度和鲁棒性高，具有良好的可移植性，有一定的推广应用价值。