一种基于深度学习的移动物体抓取方法

本发明公开了一种基于深度学习的移动物体抓取方法，通过工业相机采集动态场景图像，利用改进的YOLOv11算法检测处于动态运动过程中目标物体的2D图像特征；利用深度传感器提前采集待抓取目标物体的3D点云数据用于改进的YOLOv11的模型训练，对3D点云数据进行预处理和特征提取，将改进的YOLOv11算法检测的2D检测结果与3D点云数据融合，然后进行3D点云数据与2D图像配准，估计动态目标物体的三维姿态；基于融合配准后的数据和动态目标物体的运动轨迹，预测最佳抓取点和姿态，采用改进的S型曲线轨迹规划算法，生成机械臂的抓取路径；机械臂按照规划路径完成抓取动作，同时通过力觉反馈实时调整抓取力度与姿态；将抓取目标物体放置至指定位置，并准备下一次抓取任务。