基于语义分割与脑机接口的机械手抓取方法研究

摘要

cqvip:对生产环境中的未知物体进行抓取是仿人机械手执行各种复杂任务的基本能力之一,针对抓取目标进行自动识别定位、如何控制机械手完成平稳和准确的物体抓取等机器人控制领域亟待解决的关键问题,提出将5指型仿人机械手作为机械臂的末端抓取器,改进语义分割神经网络ENet(efficient neural network)应用于抓取目标的识别定位。仿真结果显示:其在测试数据集上Io U(Intersection over Union)达到0.92,单张检测时间达到23 ms,连接四层神经网络能够从候选区域中有效检测出最优抓取区域。此外,训练神经网络和随机森林指令识别模型识别脑-机接口输入的脑电波信号来控制仿人机械手完成抓取,这种方法有效地增加了仿人机械手运动控制的灵活性。