[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

说明书

本发明提供了一种可抓取目标的识别方法、装置及计算机可读存储介质，结合灰度图像和深度图像，可以在不需要预先获取目标物品的模型的情况下确定可抓取目标。另外，本发明在计算可抓取性时考虑了目标的灰度特征，可以避免或减少一次抓取多个物品的情况。本发明在计算可抓取性时还考虑了平面的平坦性特征，有利于选择出平坦性表面作为可抓取位置，从而可以提高吸盘吸附的成功率。另外，本发明实施例还进一步通过碰撞检测处理，避免或减少了后续机械手抓取物品时的碰撞。

技术领域

本发明涉及图像处理技术领域，具体涉及一种应用于带有吸盘的机械手的可抓取目标的识别方法、装置及计算机可读存储介质。

背景技术

机器人抓取物品的一种抓取方案是利用照相机拍摄散乱堆积的目标物品得到二维图像、利用三维测定机测定散乱堆积的目标物品得到三维点集合，使用预先获得的目标物品的三维模型图形进行匹配，识别图像中的目标物品，确定目标物品的位置，进而利用机械手进行抓取。针对不同的机械手，可能需要不同的抓取姿势，因此在确定目标物品位置时，还需要进一步确定适合该机械手抓取的抓取位置点。

上述抓取方案需要预先按照目标物品的每个品种制作三维模型图形，从而需要劳力和时间。尤其，在目标物品为多品种的情况下，需要制作品种数量的模型图形，从而需要大量的劳力和时间。另外，在不定形的目标物品的情况下，上述方案则因为无法预先制作模型图形导致不能使用。并且，在物品散乱堆积的状态下，物品之间通常相互重叠堆放，现有技术的抓取方案通常难以区分出相互紧邻或重叠的物品，容易在抓取时一次抓取多个物品，导致抓取失败。

因此，亟需一种能够不依赖物品模型且能够区分出相互重叠物品的抓取方案。

发明内容

本发明实施例要解决的技术问题是提供一种可抓取目标的识别方法、装置及计算机可读存储介质，不依赖物品模型即可实现确定可抓取目标，且能够区分出相互紧邻或重叠物品，避免一次抓取多个物品。

为解决上述技术问题，本发明实施例提供的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，所述物品抓取方法包括：

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欧式距离聚类处理，并根据聚类处理得到的聚类结果，确定候选可抓取目标。

进一步的，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。

进一步的，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、空间密度参数和平坦性特征参数，计算当前三维数据点的可抓取性。

进一步的，所述对所述可抓取性图进行三维空间的欧式距离聚类处理，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；