一种基于深度学习的五指灵巧手臂手位姿估计抓取方法

本发明公开了一种基于深度学习的五指灵巧手臂手位姿估计抓取方法，旨在提升五指灵巧手在复杂未知物体抓取任务中的适应性和稳定性，属于智能机器人领域。所述方法结合人类抓取先验知识，构建涵盖捏合抓取、三指抓取与握持抓取等多种抓取手势的运动基元库，为灵巧手提供多样化的初始抓取策略；在PointNetGPD网络基础上，融入抓取手势分类子网络，使臂—手机器人能够根据获取到的点云信息中目标的形状与姿态，自适应地选择最优抓取手势；引入SENet注意力机制，对特征通道进行动态加权分配，强化关键几何特征的提取，并提高抓取姿态预测的准确性；根据分类结果与优化后的特征输出，通过运动规划与逆运动学求解，实现五指灵巧手对目标物体的精准抓取。