基于三维点云的机器人抓取位姿检测研究

摘要

1.目标点云的数据冗杂，PointNetGPD仅使用简单滤波操作
😊本文：完整预处理流程，保证点云的精简性

2.PointNetGPD抓取位姿检测网络对点云局部几何特征不敏感，抓取精度不高
😊本文:基于结构和参数优化的 SCPN-GPD(Skip Connection PointNetGPD)抓取位姿检测模型。

1. 首先，对于传输层，该模型引入跳跃连接改进原网络的结构，实现特征重用，保证了原始点云几何特征的丰富。
2. 其次，对于激活层和全连接层，本文优化了激活函数和分类损失函数的搭配，使得特征和
   梯度的传递更加有效
3. 最后， 在基于 YCB 的抓取数据集上进行网络训练

😊本文提出的加入跳跃连接并选用 Mish 激活函数+L-Softmax 损失函数搭配的 SCPN-GPD 方法在抓取检测精度上优于主流的 PointNetGPD、GPD 等方法。