一种基于深度补全的透明物体识别与抓取方法

一种基于深度补全的透明物体识别与抓取方法，步骤包括：对初始RGB‑D图像进行图像预处理，包括图像增强和归一化等操作，以增强数据集的多样性并提升模型的泛化能力；然后将预处理后的RGB图像及其深度缺失的深度图像输入到深度补全网络DFNet中，通过CDCD Block和CDCU Block等模块进行特征提取和上采样，以生成补全后的深度图；接着将深度补全后的深度图像与RGB图像结合，形成多模态输入，输入到目标检测网络GR‑ConvNet中，通过Conv2D卷积层和SRB光谱残差块等模块提取特征并增强特征表示，生成透明物体的抓取配置；最后，根据生成的抓取配置，实现坐标转换，生成抓取轨迹，完成最终的透明物体抓取。本发明结合了深度补全网络DFNet和目标检测网络GR‑ConvNet，通过多模态数据融合和深度学习技术，能够有效提高透明物体的识别和抓取精度，同时能够处理复杂环境下的透明物体抓取任务，取得的效果较为显著。