陈奎烨， 史旭华， 徐铭泽

(宁波大学 信息科学与工程学院，浙江 宁波 315211)

0 引 言

机械臂广泛应用于工业生产的各个领域，基于视觉的机械臂自主抓取可以对不同种类和大小的物体实现快速识别和抓取，因而具有更好的适应性和鲁棒性。目前基于视觉的机械臂抓取方法大多需要对相机进行标定和机械臂运动学求逆才能获取目标物体在机械臂基坐标系下的位姿。视觉系统的标定精度受作业环境影响较大，且存在标定过程繁琐和计算复杂度高的问题。运动学求逆难以获得求解消耗时间与机械臂灵活性之间的平衡。

随着深度学习理论的成熟，越来越多的研究者将深度学习理论应用到机械臂抓取的研究中。文献[1,2]提出了一种基于深度学习的机械臂抓取方法，通过基于深度学习的目标检测算法获取目标物体的位置，再通过深度相机或视觉系统的标定获得相机坐标系与机械臂基坐标系的转换关系，控制机械臂完成对目标物体抓取，该方法实现了对不同物体的抓取，但相机坐标系与机械臂基坐标系之间的转换计算复杂，且视觉系统一旦标定，难以调整。文献[3]介绍了一种无标定闭环机械臂抓取控制方法，通过不间断计算机械手和目标物体在图像中的位置完成对目标的抓取，该方法无需视觉系统标定即可实现对不同类型目标物体的抓取，但需要使用深度相机获取深度图像信息，难以推广。文献[4]提出了一种基于高斯过程混合模型的机械臂抓取方法，通过示教采集数据，直接构建目标物体在图像中的坐标与机械臂关节角的映射关系完成对目标物体的抓取，为机械臂抓取控制提供了一种新的思路。……