[发明专利]一种可抓取目标的识别方法、装置及计算机可读存储介质

权利要求书

1.一种可抓取目标的识别方法，应用于采用吸盘吸附物体的机械手，其特征在于，所述方法包括：

获取目标区域的深度图像和灰度图像，从所述深度图像中提取前景深度数据，从所述灰度图像中提取灰度特征；

遍历所述前景深度数据中的三维数据点，根据当前三维数据点的邻域内的三维数据点的空间密度、表面平坦性和灰度特征，计算当前三维数据点的可抓取性，以及根据当前三维数据点的位置计算可抓取方向，获得前景深度数据的三维数据点的可抓取性和可抓取方向的可抓取性图，其中，所述邻域的面积与形状与所述吸盘相匹配；

对所述可抓取性图进行三维空间的聚类处理，并根据聚类处理得到的聚类结果，确定候选可抓取目标；

其中，所述根据当前三维数据点的邻域内的三维数据点的空间密度、表面平坦性和灰度特征，计算当前三维数据点的可抓取性的步骤，包括：

根据所述邻域内是否存在灰度特征点，设置灰度特征参数I，其中，在存在所述灰度特征点时，灰度特征参数I取值为0，否则，取值为1，所述灰度特征点为灰度特征超出对应阈值的三维数据点；

计算所述邻域内三维数据点的空间密度，得到空间密度参数D，以及，计算邻域内所有三维数据点构成的局部表面的弯曲程度，得到平坦性特征参数F；

根据当前三维数据点的灰度特征参数I、空间密度参数D和平坦性特征参数F，利用以下公式(1)-(3)来计算当前三维数据点的可抓取性A：

A＝I·A₀ (1)

其中，A₀为可抓取性的初始值，

其中，A₀＝(C_d·D+C_f·F) (2)

或者A₀＝(C_d·f(D)+C_f·f(F) (3)

其中，C_d为空间密度参数D的加权系数；C_f为平坦性特征参数F的加权系数；f(D)是空间密度参数D的一个预设函数，且f(D)与空间密度参数D正相关；f(F)是平坦性特征参数F的一个预设函数，且f(F)与平坦性特征参数F正相关。

2.根据权利要求1所述的方法，其特征在于，所述灰度特征包括灰度图像的边缘特征、梯度特征和灰度不连续特征中的至少一者。

3.根据权利要求1所述的方法，其特征在于，所述对所述可抓取性图进行三维空间的聚类处理，并根据聚类处理得到的聚类结果，确定候选可抓取目标的步骤，包括：

从所述可抓取性图中删除可抓取性值小于第一门限的三维数据点，得到更新后的可抓取性图；

对更新后的可抓取性图中的三维数据点进行三维空间的聚类处理，获得包括至少一个类的聚类结果；

在聚类结果的每个类中提取一个候选可抓取目标，将该类中最接近类几何中心的三维数据点作为候选可抓取目标的可抓取位置，将该可抓取位置对应的可抓取方向作为候选可抓取目标的可抓取方向，将该类内所有三维数据点的可抓取性值的加权平均值作为该候选可抓取目标的可抓取性值。

4.根据权利要求1所述的方法，其特征在于，在获得候选可抓取目标之后，所述方法还包括：

对所述候选可抓取目标进行碰撞检测，根据碰撞检测结果，删除发生碰撞的候选可抓取目标，得到可抓取目标。

5.根据权利要求4所述的方法，其特征在于，对所述候选可抓取目标进行碰撞检测，根据碰撞检测结果，删除发生碰撞的候选可抓取目标，得到可抓取目标的步骤，包括：

基于目标区域的背景信息和前景信息，重构目标区域的三维场景；

对于每一个候选可抓取目标，根据该候选可抓取目标的可抓取方向以及机械手的三维模型，在目标区域的三维场景中重构机械手的三维数据；计算所述目标区域的三维场景与机械手的三维数据中重合的三维数据点的数目，并在重合的三维数据点的数目超过第二门限时，删除该候选可抓取目标；

根据剩余的候选可抓取目标，确定可抓取目标。