机器人抓取领域性能评估标准

机器人抓取涉及检测、分割、姿态估计、抓取点检测、路径规划等任务，本文主要介绍这些任务的评估标准。

目标检测

目标检测领域主要使用IOU这一标准来评估Predict Box与Ground Truth Box之间的重合效果（定位准确性），也称之为交并比。设定Predict Box为A，Ground Truth Box为B，则两者之间的IOU为：

目标分割

与目标检测相似，目标分割采用mIoU作为评价指标，mIoU计算Ground Truth与预测分割区域的交并比。更为准确地说，为true positives 与 sum of positives， false negatives, and false positives的比值。IoU是以每类为基础计算的，然后平均如下：

抓取点检测

有两个指标来评估抓取检测的性能：点度量和矩形度量。前者评估预测抓取中心与实际抓取中心之间的距离阈值。针对后者，如果抓取角度在Ground Truth抓取的30°范围内，且预测抓取的Jaccard指数大于25%，则后一个度量认为抓取是正确的。

除了上述指标，还存在其它度量来评估预测的抓取点的性能，包括：

1） 成功率或准确率：在摇晃后能够举起、运输和保持所需物体的抓握百分比。

2） 准确度：抓握的成功率估计稳健性高于50%。

3） 鲁棒抓取率：估计鲁棒性高于50%的计划抓取的百分比。

4） 计划时间：接收图像和返回计划抓取之间的时间（秒）。

抓取路径规划

主要通过计算抓取尝试的成功率来定义

注：内容来自网上，若有侵权，联系我会删帖