基于改良YOLOv2的无标注3D机械臂自主抓取技术

简介：
本研究提出了一种基于改进YOLOv2算法的无标签训练方法，应用于3D机械臂环境中的物体检测与定位，实现高效准确的自主抓取任务。 本段落提出了一种在多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为减少深度学习算法YOLOv2检测多物体边界框重叠率及提高3D距离计算精度，我们设计并实施了改进版的YOLOv2算法。利用该算法识别图像中的目标物，并获取其在RGB图中的位置信息；接着结合深度数据使用K-means++聚类技术快速确定目标与相机间的准确距离、估算物体尺寸和姿态，并实时监控机械臂的位置，计算两者间的真实距离；最后依据上述参数应用PID控制策略指导机械臂精准抓取。改进后的YOLOv2算法显著提升了边界框的精确度及区分度，从而优化了对目标物位置信息（包括大小与角度）以及到手部装置的距离估算结果。此外，该方案摒弃传统标定流程依赖于复杂的雅克比矩阵技术而直接实现无标定位姿估计，具有良好的普适性。实验表明所构建的系统框架具备较高的图像分类和定位性能，并成功引导Universal Robot 3机械臂高效抓取随机摆放的目标物。