计算机应用

作者：陈路, 王怀瑶, 刘京阳, 闫涛, 陈斌

单位：1.山西大学 大数据科学与产业研究院，太原 030006；2.山西大学 计算机与信息技术学院，太原 030006；3.中国科学院大学，北京 100049；4.哈尔滨工业大学（深圳） 国际人工智能研究院，广东 深圳 518055；5.哈尔滨工业大学 重庆研究院，重庆 401151

关键词：机器人,抓取检测,空间-傅里叶域,注意力机制,深度神经网络

基金：国家自然科学基金资助项目(62373233);山西省基础研究计划项目(202203021222010);山西省科技重大专项(202201020101006)

针对现有抓取检测方法无法有效感知稀疏、微弱特征，导致低光环境下机器人抓取检测性能下降的问题，提出一种融合空间-傅里叶域信息的机器人低光环境抓取检测方法。首先，该方法的骨干网络采用编-解码器结构，在网络深层特征与浅层特征融合过程中进行空间域-傅里叶域的特征提取。具体地，在空间域中通过水平和垂直方向的条带卷积捕获全局上下文信息，提取对抓取检测任务敏感的特征；在傅里叶域中分别调整振幅和相位，实现对图像细节和纹理特征的恢复。其次，引入R-CoA（Row-Column Attention）模块平衡图像全局与局部信息，并对图像进行行、列相对位置编码以强化与抓取任务相关的位置信息。最后，在低光Cornell、低光Jacquard以及所构建的低光C?Cornell数据集上分别进行验证，所提低光抓取检测方法最高准确率分别达到96.62%、92.01%和95.50%。在低光Cornell数据集（高斯噪声且γ=1.5）上，与GR-ConvNetv2（Generative Residual Convolutional Neural Network v2）、SE?ResUNet（Squeeze-and-Excitation ResUNet）相比，所提方法的准确率分别提升2.24个百分点和1.12个百分点。所提方法能够在低光环境下有效提升抓取检测的鲁棒性和准确性，为机器人在低光照条件下的抓取任务提供支持。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期