轻量级深度补全模型

透明抓取成功率84.52%

用低成本RGB-D相机重建透明物体稀疏深度，在UR5机器人上实现高抓取成功率。

Ling, Tong · 钱堃 · 周波 · Fang, Fang

Engineering Applications of Artificial Intelligence 2026

参数信息

预测精度（阈值1.05）

89.48 %

预测精度（阈值1.05）

84.07 %

预测精度（阈值1.05）

80.47 %

预测精度（阈值1.05）

38.77 %

预测精度（阈值1.05）

45.05 %

透明物体抓取成功率

84.52 %

技术优势

提升透明物体感知精度

CFCAM模块动态融合RGB与深度特征，建立局部与全局依赖关系，提高深度补全精度。

保留高频细节

编码阶段应用Haar小波变换，解码阶段使用非线性激活上采样模块，有效保留高频细节并增强深层特征表示。

低成本实现高抓取率

仅使用低成本RGB-D相机，在UR5机器人上实现84.52%的透明物体抓取成功率，无需昂贵传感器。

轻量级架构

PED采用轻量级设计，便于在计算资源受限的工业机器人上部署。

应用场景

• 机器人抓取：直接为透明物体生成可靠的抓取位姿，无需额外传感器。
• 工业分拣机器人：在分拣线上稳定识别透明包装或零件，提高自动化效率。
• 机器人视觉感知：从稀疏深度恢复稠密深度，补全透明物体缺失的几何信息。
• 低成本3D感知：仅用低成本RGB-D相机即可达到高成功率，替代昂贵3D传感器。