摘要
在本研究中，我们提出了一种新型的端到端可训练的基于卷积神经网络（CNN）的架构，能够为平行板夹爪（parallel-plate gripper）的抓取检测以及语义分割任务提供高质量的输出结果。基于该架构，我们进一步设计了一种新颖的优化模块，该模块充分利用先前计算得到的抓取检测与语义分割结果，进一步提升了抓取检测的精度。所提出的网络在两个主流抓取检测数据集——Cornell与Jacquard上均达到了当前最先进的准确率。作为额外贡献，我们对OCID数据集提出了新的扩展版本，使其能够用于评估在极具挑战性场景下的抓取检测性能。利用该扩展数据集，我们验证了语义分割还可用于将抓取候选点分配至具体的物体类别，从而实现对场景中特定物体的精准抓取。