基于改进Mask R-CNN的双目视觉卸货机器人引导方法
徐志祥
赵炎
邢立冬
高东
大连理工大学机械工程学院 大连 116024
摘要：针对卸货目标堆叠摆放、难以识别和定位的问题,根据现有的直角坐标系型卸货机器人提出目标引导方法,在深度学习目标检测模型Mask R-CNN基础上根据特征金字塔FPN提出融合CBAM注意力机制的改进,优化目标区域与通道权重,并基于融合特征完成目标货物的识别;通过SGBM双目立体视觉算法计算输入图像的三维信息,提取目标三维坐标.实验结果表明:论文提出的方法对货物目标识别的平均准确率达到90.20%,深度方向定位精度最大误差不超过15 mm,方法可以满足卸货机器人对堆叠货物的引导需求.
关键词：卸货机器人深度学习Mask R-CNNCBAM注意力机制SGBM
分类号：TP242.3(自动化技术及设备)
资助基金：大连市揭榜挂帅科技攻关项目(2022YJ11SN00103)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3287-3292 )
英文信息