1.一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，步骤如下：RGB图像通过2D目标检测器的检测把需要进行抓取检测的目标区域框选中，与同一物体的深度图像进行组合成四通道的图片作为输入；

四通道的输入经过Patch Partition模块分割成多块不重叠的patch,每个patch被看做是token，表示原始输入像素的级联；

将固定位置编码嵌入到每个token后传入编码器Encoder模块；

在编码器Encoder中，Linear Embedding层把每个token转化为C维的嵌入向量，接着经过patch merging+Transformer Block模组对token数量改变；

通过解码器Decoder执行与Patch merging相反的操作，通过patch Expanding+TransformerBlock模组对改变数量的token进行恢复；

通过多层级特征融合网络对Encoder收集的各层级输出特征进行融合；

生成与检测图像大小相同的像素热图预测抓取位置。

2.根据权利要求1所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，Encoder模块收集到各个Encoder子块处理过后的特征图，通过下采样和卷积操作将特征图进行融合，并符合Decoder模块的输入规格。

3.根据权利要求2所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，将符合Decoder模块输入规格的融合后特征图，通过Decoder模块处理，并在抓取预测模块得到有关抓取位置预测的抓取框的宽、抓取框的旋转角度的正弦与余弦两个分量以及该抓取置信度得分。

4.根据权利要求3所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，抓取预测模块得到有关抓取位置预测的抓取框的宽、抓取框的旋转角度的正弦与余弦两个分量以及该抓取置信度得分，表达式如下：其中，g表示抓取检测模型预测的抓取位置，gScore、gSin、gCos、gwidth分别表示预测抓取g的置信度得分、旋转角度sin与cos分量和抓取预测框的宽；xn表示抓取检测网络输入到抓取预测模块的数据； 是抓取检测网络对输入数据处理的4个卷积操作。

5.根据权利要求1所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，RGB图像通过2D目标检测器的检测把需要进行抓取检测的目标区域框选中，步骤如下：通过Faster—Rcnn对RGB图像进行检测，将抓取物体的位置用矩形框进行标注，在将除去矩形区域内的其他背景去除并作0填充。

6.根据权利要求1所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，数据进入单个Transformerblock之前，使用LN对其进行归一化,然后进入W‑MSA模块，通过线性映射矩阵WQKV将输入序列t投影得到Q、K、V，表达式如下：[Q,K,V]＝tWQKV

其中，t表示输入序列，Q表示查询向量，K表示键向量，R表示值向量；

通过矩阵点积计算Q和K间的相似度，与V进行加权，自注意力的计算表达式如下:其中，Attention(Q,K,V)表示输入序列t的自注意分数，SoftMax表示归一化指数函数，；d是向量Q的维度；B表示学习的相对位置编码；T表示转置符号，用来把向量K转置；

经过W‑MSA模块后，使用残差连接与最开始的输入进行融合后进行归一化，经过带有GELU的两层线性连接层(MLP)，再次使用残差连接融合前面的输入信息在传到带有SW‑MSA的Transformerblock，表达式如下：l l‑1

其中，和t 分别表示第l模块(S)W‑MSA模块和MLP模块的输出，t 表示前一层的输出特征。

7.根据权利要求1所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，热图中每个像素表示的该像素的抓取位置；

通过线性层与形状重排操作把Decoder的输出分辨率转为与图像大小一致，通过四个

1x1的卷积生成四个单通道像素热图分别对应抓取检测的S、W、sin2θ、cos2θ，通过公式确定抓取角度θ，最终抓取由抓取分数图S的最高分数抓取决定。

8.根据权利要求1所述的一种基于Transformer的区域预估与多层级特征融合抓取检测方法，其特征在于，对预测抓取位置进行验证，步骤如下：当抓取位置G与ground  truth  G'同时满足条件|Gθ‑G'θ|＜30°和条件认识抓取位置G正确；

条件|Gθ‑G'θ|＜30°表示预测抓取框与标注矩形框的角度大小相差小于30°；

条件 表示预测的抓取框与标注矩形框的交并比大于25％。