基于YOLOv4-Tiny和RRT-Connect算法的机械臂自主抓取仿真

机械臂自主抓取一直是机器人领域的研究重点，路径规划和目标检测问题是机械臂自主抓取的核心内容，由于深度神经网络的发展，目标检测精度得到了大幅度的提升，本文根据YOLOv4-tiny算法进行草莓的目标检测，获得了93.5%的检测精度，并为机械臂选择合适的路径规划算法，通过在二维障碍地图和三维障碍地图进行模拟实验，得到RRT-connect算法的路径规划效率和成功率均大于RRT算法，并在三维障碍地图中获得了100%的成功率。在仿真环境中，通过Gazebo软件搭建机械臂仿真环境，并通过Moveit软件对机械臂进行控制和路径规划，将YOLOv4-tiny算法和RRT-connect算法应用在机械臂抓取仿真系统中，最终平均获得了87%的成功抓取率。

机械臂自主抓取任务[1]，包括目标物的检测定位[2]，路径规划[3]和自动控制等众多理论，在其中目标物的检测定位和路径规划会直接影响目标检测的准确率，因此，本篇文章提出使用YOLOv4-tiny 算法和RRT-connect 算法方法进行机械臂自主抓取仿真。

山东师范大学研究学者[4]提出了一种基于掩模区域卷积神经网络的采摘机器人视觉检测器模型。对该模型进行了改进，使其更适用于重叠苹果的识别与分割。准确率达到97.31%，召回率达到95.70%。识别速度较快，能够满足苹果采摘机器人视觉系统的要求。日本的研究学者[5]提出一种利用机械手臂侦测果实并自动采收的方法，首先使用目标检测算法完成水果的检测，然后利用立体摄影机侦测果实的三维位置。利用逆运动学计算出检测位置处各关节的角度后，将机械臂移动到目标水果的位置。机器能在16秒内收获一个水果，并且水果的检出率达到了90%以上。澳大利亚的研究学者[6]提取一种估计甜椒作物的位姿计算方法，使用Kinect 融合算法来稳健地融合来自手持摄像机的RGB-D 数据，并结合颜色分割和聚类步骤来提取作物的准确表示。然后，通过将超椭球拟合到分割的甜椒，经由非线性最小二乘优化来估计甜椒的姿态，改善机械臂抓取的性能。

机械臂的自主抓取一直是机器人领域的研究热点，计算机视觉检测技术和路径规划问题一直是机械臂自主抓取中重点要解决的问题，本文中提出使用深度神经网络YOLOv4-tiny 算法和RRT-connect 路径规划方法进行机械臂自主抓取仿真，提高目标检测的成功率和路径规划的成功率，最后提高机械臂抓取的成功率。

2. 方法介绍 2.1. YOLOv4-Tiny 目标算法 目标检测一直是计算机视觉中重要的研究方向，近年来由于深度神经网络的快速发展，目标检测的精度有了明显的提高， YOLOv4-tiny 是基于YOLOv4 网络[7]改进而来， 它是一种轻量级的深度神经网络，