一种基于深度学习的多点云视角机器臂抓取系统

本发明公开了基于深度学习的多点云视角机器臂抓取系统，包括以下步骤：S1、利用深度相机按照图优化算法获取多个视角的点云数据；S2、采用深度学习方法对点云数据进行高精度拼接，生成完整的物体三维模型；S3、利用GraspNet抓取估计网络计算物体的最优抓取位姿；S4、通过ROS服务通信机制将估计的抓取位姿信息传递给机器臂；S5、基于MoveIt！功能包对机器臂进行抓取路径的规划和优化；S6、订阅关节状态信息，驱动机器臂完成实际抓取动作。本发明结合多视角点云拼接技术与深度学习，显著提升了点云配准的精确度，从而提高了机器臂抓取的精度和稳定性。通过ROS与Windows系统的通信，在Windows端处理点云数据并输出抓取位姿，有效解决了边缘设备计算能力不足导致的系统不稳定问题。这种方法进一步增强了系统的灵活性和易用性，使其能够适应多种复杂的抓取场景。