{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,21]]，“日期-时间”：“2024-05-21T18:32:32Z”，“时间戳”：1716316352522}，“引用-计数”：61，“发布者”：“威利”，“问题”：“5”，“许可证”：[{“开始”:{“日期-零件”：[2020,9,1]]，-01T00:00:00Z“，“时间戳”：1598918400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“http://\/onlinelibrary.wiley.com/termsAndConditions#vor”}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“奖项”：[“51575407”，“51505349”，“61733011”，“41906177”]}]，”content-domain“：{“域”：[“onlinelibrary.wiley.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Concurrency and Computation”]，“published-print”：{“date-parts”：[[2021,3,10]]}，”抽象“：”摘要<\/jats:title>机器人抓取技术是机器人研究的热点。在相对固定的工业化场景中，使用机器人执行抓取任务是有效的，并且持续时间较长。然而，在非结构化环境中，物体种类繁多，放置姿势随机，多个物体相互堆叠和遮挡，这使得机器人在抓取目标时很难识别目标，抓取方法也很复杂。因此，我们提出了一种基于卷积神经网络的准确、实时的机器人抓取检测方法。建立了从航向到精细位置和姿态的级联两级卷积神经网络模型。采用R\u2010FCN模型提取拾取位置的候选帧进行筛选和粗略角度估计，针对以往姿态检测方法精度不足的问题，提出了一种angle\u2010Net模型来精细估计拾取角度。对康奈尔数据集和在线机器人实验结果的测试表明，该方法可以快速计算任意姿态和不同形状的不规则物体的最佳抓取点和姿态。与以前的方法相比，检测的准确性和实时性都有所提高<\/jats:p>“，”DOI“：”10.1002\/cpe.5976“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,9,1]]，”date-time“：”2020-09-01T11:22:10Z“，”timestamp“：1598959330000}，”update-policy“：“http://\/dx.DOI.org\/10.1002\/crossmark_policy”，“source”：“Crossref”，”is-referenced-by-count“：52，”title“：[”增强级联深度卷积神经网络的实时抓取检测武汉科技大学冶金设备与控制技术教育部重点实验室“}]}，{“给定”：“应”，“家族”：“孙”，“序列”：“附加”，“隶属”：[{“名称”：“武汉科技大学冶金设备与控制技术教育部重点实验室“}，{“名称”：“机械传动与制造工程湖北省重点实验室”}]}，}“ORCID”：“http://\/ORCID.org\/00000-0001-6058-5600”，“认证证书：false，“given”：“Du”，“family”：“Jiang”，“sequence”：“additional”，“affiliation”：[{“name”：“中国武汉科技大学冶金设备与控制技术教育部重点实验室”}]}，{“givens”：“Bo”武汉科技大学冶金设备与控制技术教育部重点实验室“}，{“name”：“仿生机器人与智能测控研究中心”}]}，}“given”：“Ying”，“family”：“Liu”，“sequence”：“additional”，“affiliation“：[{“name”：“中国武汉科技大学冶金设备与控制技术教育部重点实验室”}]}，{“given”：“Juntong”，“family”：“Yun”，”sequence“：”additional“，”affiliance“：[[{”name“：”武汉科技大学冶金设备与控制技术教育部重点实验室“}]}，{“given”：“Dalin”，“family”：“Zhou”，“sequence”：“additional”，“affiliation”：[{“name”：“School of Computing University of Portsmouth UK”}]}]，“member”：“311”，“published on”：{“”date-parts“：[[2020,9]]}，”reference“：[{”key“：”e_1_2_6_2_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.measurement.2019.03.010”}，{“key”：“e_1_i_6_3_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/TSC.2020.2964552“}，“issue”：“3”，”key：“e_i_6_4_1”、“first page”：“238”，“文章标题”：“多指机器人手的最优抓取规划：综述”，“卷”：“14”，“作者”：“缪W”，“年份”：“2015”，“期刊标题”：“应用计算数学”}，{“问题”：“2”，“关键”：“e_1_2_6_5_1”，“首页”：“241”，“文章标题”：”基于混合区块链的多指2010 WSN身份认证方案“，卷”：”13“作者”:“崔Z”，“年”：“2020”，“journal-title“：”IEEE Trans-Serv Compute“}，{”key“：”e_1_2_6_6_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.ins.2020.018”}，“key”：“e_1_i_6_7_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/JSEN.2019.2927733“}”，{：“10.1109\/ICRA.2011.5980145”}，{“key”：“e_1_2_6_9_1”，“doi-asserted-by”：“publisher“，”DOI“：”10.1109\/ICRA.2015.7139361“}，{“key”：“e_1_2_6_10_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1109\/ICRA.2016.7487517”}，“{”key“：”e_1_i_6_11_1“，”DOI-assert-by“：”publisher：“421”，“文章标题”：“通过深度学习和大规模数据收集学习机器人抓取的手\u2010眼睛协调”，“卷”：“37”，“作者”：“Levine S”，“年份”：“2017”，“期刊标题”：“国际J机器人研究”}，{“key”：“e_1_2_6_13_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1002\/cpe.546410.1016\/j.jpdc.2019.03.010“}，{“key”：“e_1_2_6_15_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/ACCESS.2019.2891749“}”，{”key“：”e_1_i_6_16_1“，”doi-assert-by“：”publisher“，I“：”10.3390\/ijerph16234677“}，{“key”：“e_1_2_6_18_1”，“doi-asserted-by”：“publisher”，”DOI“：”10.3390\/math7100917“}，{“key”：“e_1_2_6_19_1”，“DOI断言者”：“publisher”，“DOI”：“10.1155\/2020\/33763684”}，{“key”：“e_1_2_6_20_1”，“DOI断言者”：“publisher”，“DOI”：“10.3390\/ijerph17030946”}，{“key”：“e_1_2_6_21_1”，“DOI断言者”：“publisher”，“DOI”：“10.1016\/j.aej.2020.01.00.00 7“｝，｛”key“：”e_1_2_6_22_1“，”DOI断言者“：”publisher“，”DOI“：”10.1007\/s10586-017-1231-7“}，{“key”：“e_1_2_6_23_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1002\/cpe.5830”}，“key“：”e_1_i_6_24_1“，”doi-assert-by“：”publisher“，.2019.2914728“}，{”key“：”e_1_2_6_26_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TRO.2016.2546308“}，{“key”：“e_1_2_6_27_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s10586-017-1237-1“}”，{”key“：”e_1_i_6_28_1“，”doi-assert-by“：”publisher“，10.1016\/j.aej.2020.10.15“}，{“key”：“e_1_2_6_30_1”，“doi-asserted-by”：“publisher”，”DOI“：”10.1142\/S0219843619410020“}，{“key”：“e_1_2_6_31_1”，“DOI断言者”：“publisher”，“DOI”：“10.1007\/s1036-0108-0”}，{“key”：“e_1_2_6_32_1”，“DOI断言者”：“publisher”，“DOI”：“10.3390\/s17071491”}，{“key”：“e_1_2_6_33_1”，“DOI断言者”：“publisher”，“DOI”：“10.1109\/TRO.2016.263884 53”｝，｛“issue”：“4”，“key”：“e_1_2_6_34_1”，“first page”：“1555”，“文章标题“：“基于模拟技术的钢包复合结构体寿命预测机制”，“卷”：“64”，“作者”：“Li G”，“年份”：“2019”，“期刊标题”：“Arch Metal Mater”}，{“key”：“e_1_2_6_35_1”，“doi断言者”：“publisher”，“doi”：“10.1007\/s1042-018-6293-x”}，{“key”：“e_1_2_6_36_1”，“doi断言者”：“publisher”，“doi”：“10.1049\/iet-ipr.2020.0088“}，{“key”：“e_1_2_6_37_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1007\/s11042-018-6748-0“}”，{”key“：”e_1_i_6_38_1“，”doi-assert-by“：”publisher“，“10.1109\/LRA.2018.2794612”}，{“key”：“e_1_2_6_40_1”，“doi-asserted-by”：“publisher”，”DOI“：”10.1007\/s0521-019-04147-3“｝，｛”key“：”e_1_2_6_41_1“，”DOI断言者“：”publisher“，”DOI“：”10.1109\/ACCES.2018.2887223“｝，｛”key“：”e_1_2_6_42_1“，”DOI断言者“：”publisher“，”DOI“：”10.1007\/s11227-01255-3“｝，｛”key“：”e_1_2_6_43_1“，”DOI断言者“，”DOI“：”10.1007\/s0521-018-3909-z“｝，｛”key“：”e_1_2_6_44_1“，”DOI断言者“：”publisher“，”DOI“：”10.1007 \/s00521-019-04023-0“}，{“key”：“e_1_2_6_45_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1007 \/s00521-019-04142-8”}，“key“：”e_1_i_6_46_1“，“doiasserted-by“：”publisher“publisher”，“DOI”：“10.1109\/TASE.2016.2600527”}，{“key”：“e_1_2_6_48_1”doi-asserted-by“：”publisher“，”doi“：”10.1007\/s00521-018-3775-8“}，{“key”：“e_1_2_6_49_1”，“doi-assert-by”：“publisher”，”doi:“10.1007\/s 00779-019-01268-3”}，“key“：”e_1_i_6_50_1“，“，”doi-asserted-by“：”publisher“，”doi“：”10.1049\/iet-ipr.2020.0148“}，{”key“：”e_1_2_6_52_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1177\/0278364914549607”}，{“key”：“e_1_i_6_53_1”，”doi-assert-by“：”publisher“，”doi“：”10.3233\/JIFS-179535“}，“key“：”e_1_c_6_54_1“、”doi-aserted-by“:”publishers“，”doi“：“10.1109\/COMST.2019.2944748”}、{“key”：”e_1_2_6_55_1“，”首页“：”1“，”文章标题“：”隐私保护高阶bi\u2010Lanczos in cloud\u2010fog computing for industrial applications”，“author”：“Feng J”，“year”：“2020”，“journal-title”：“IEEE Trans-Ind-Inform”}，{“key”：“e_1_2_6_56_1”，“doi-asserted-by”：“publisher”，”doi“：”10.3233\/JIFS-179549“}”，{”key“：”e_2_6-57_1“，”doi-assert-by“publisher”，“doi”：“10.3233\\JIFS-177_1”-179541“}，{”key“：”e_1_2_6_58_1“，”doi-asserted-by“：”publisher“，“doi”：“10.3233\/JIFS-179558”}，{“key”：“e_1_i_6_59_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ACCES.2019.2932144“}，”key“:”e_2_6 _60_1““：”e_1_2_6_61_1“，”首页“：”379“，”卷时间“：”神经信息处理系统进展论文29”，“作者”：“Dai J”，“年份”：“2016”}，{“key”：“e_1_2_6_62_1”，“unstructured”：“康奈尔掌握数据集。http://\/pr.cs.connell.edu\/graging\/rectdata\/data.php.2019年9月1日访问）。”}]，“container-title”：[“并发与计算：实践与经验”]，“原始标题”：[]，“language“：”en“，”link“：[{”URL“：”https:\/\/onlinelibrary.wiley.com/doi\/pdf\/10.1002\/cpe.5976“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL:“https:\//onlinelibrary.wiley.com\/doi\/full-xml\/101002\/cpe.597”，“content-type:”application \/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/pdf\/101002\/cpe.5976”，“content-type”：“未指定”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“日期-部分”：[2023,9,2]，“日期-时间”：“2023-09-02T13:18:17Z”，“时间戳”：169366069000}，“分数”：1，“资源”：{“主要”：{“URL”：“https:\/\/onlinelibrary.wiley.com/doi\/10.1002\/cpe.5976“}}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[[2020,9]]}，“引用计数”：61，“日志发布”：{“发布”：“5”，“发布发布”：：“http://\/dx.doi.org\/10.1002\/cpe.5976”，“存档”：[“门户”]，“关系”：{}，“ISSN“：[”1532-0626“，”1532-0.634“]，”ISSN-type“：[{”value“：”1532-00626“，“type”：“print”}，{”value“：“1532-0634”，“types”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2020,9]]}，“assertion”：[{”value“：”2020-06-05“，“order”：0，“name”：“received”，“label”：“received”，”group“：{”name“：“publication_history”，“label”：“publication history”}}，{“value”：“2020-07-11“，”订单“：1，”名称“：”已接受“，”标签“：”接受“，“组”：{“名称”：“publication_history”，“标签”：“publication history”}}，{“值”：“2020-09-01”，“订单”：2，“名称”:“已发布”，“label”：“已发布“，”组“：{”名称“:”publication_history“，”label“：”发布历史“}}]}