摘要：針對任意姿態的未知不規則物體,提出一種基于級聯卷積神經網絡的機器人平面抓取位姿快速檢測方法.建立了一種位置-姿態由粗到細的級聯式兩階段卷積神經網絡模型,利用遷移學習機制在小規模數據集上訓練模型,以R-FCN(基于區域的全卷積網絡)模型為基礎提取抓取位置候選框進行篩選及角度粗估計,并針對以往方法在姿態檢測上的精度不足,提出一種Angle-Net模型來精細估計抓取角度.在Cornell數據集上的測試及機器人在線抓取實驗結果表明,該方法能夠對任意姿態、不同形狀的不規則物體快速計算最優抓取點及姿態,其識別準確性和快速性相比以往方法有所提高,魯棒性和穩定性強,且能夠泛化適應未訓練過的新物體.