[发明专利]机械臂控制方法、装置及神经网络模型训练方法、装置

说明书

本发明实施例提供了一种机械臂控制方法、装置及一种深度神经网络模型的训练方法、装置，该机械臂控制方法包括：获取第一图像传感器当前时刻采集的包括目标物体的目标图像及目标机械臂的关节角度；将目标图像及关节角度输入预先训练完成的深度神经网络模型进行检测，得到目标机械臂的目标状态信息，其中，目标状态信息为标识目标机械臂所需执行的目标动作的信息；控制所述目标机械臂执行目标动作。采用该方式控制机械臂时，根据深度神经网络模型输出的目标状态信息，可以控制机械臂执行所需执行的目标动作，无需人工编程，人工工作量小，机械臂移动过程的整体速度大大提高。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种机械臂控制方法、装置及一种深度神经网络模型的训练方法、装置。

背景技术

目前随着人工智能技术的快速发展，越来越多的智能机器人出现在人们的生活工作中，例如，工业机器人、服务机器人等等。在这些领域中，机械臂对物体的操作都是不可或缺的技术之一。

机械臂在进行物体操作时，例如抓取桌面小物体，堆积木等等。都需要人工进行编程及调试，以使机械臂能够按照人工编程的程序，对物体进行各种操作。由于机械臂对物体进行一种操作的过程往往需要进行多个动作，机械臂需要移动多次，每次移动的关节角度都需要确定，机械臂才能准确地对物体进行操作。而各种不同的操作中，机械臂所进行的动作不同，每次移动的关节角度也就不同。

可见，目前机械臂在进行物体操作时，即机械臂在移动时，针对每一种操作都需要进行人工编程，工作量非常大，且耗费时间长，导致机械臂移动过程的整体速度很慢。

发明内容

本发明实施例的目的在于提供一种机械臂控制方法、装置及一种深度神经网络模型的训练方法、装置，以减少人工工作量，提高机械臂移动过程的整体速度。具体技术方案如下：

第一方面，本发明实施例提供了一种机械臂控制方法，所述方法包括：

获取第一图像传感器当前时刻采集的包括目标物体的目标图像及目标机械臂的关节角度；

将所述目标图像及所述关节角度输入预先训练完成的深度神经网络模型进行检测，得到所述目标机械臂的目标状态信息，其中，所述目标状态信息为标识所述目标机械臂所需执行的目标动作的信息；

控制所述目标机械臂执行所述目标动作。

可选的，当所述目标状态信息为目标关节角度时，所述控制所述目标机械臂执行所述目标动作的步骤，包括：

控制所述目标机械臂运动至所述目标关节角度对应的状态。

可选的，所述方法还包括：

返回所述获取第一图像传感器当前时刻采集的包括目标物体的目标图像及目标机械臂的关节角度的步骤。

可选的，当所述目标状态信息为预设操作标签时，所述控制所述目标机械臂执行所述目标动作的步骤，包括：

控制所述目标机械臂对所述目标物体进行预设操作。

可选的，所述第一图像传感器安装于所述目标机械臂末端或安装于环境中预设位置。

可选的，所述深度神经网络模型的训练方式，包括：

控制训练机械臂执行训练动作；

在所述训练机械臂执行所述训练动作过程中，按照预定规则获取训练样本，其中，所述训练样本包括：第二图像传感器采集的包括目标物体的图像样本、采集所述图像样本时所述训练机械臂的所有关节角度及标注数据，所述标注数据为标识采集所述图像样本时所述训练机械臂所需执行的训练动作的信息；

基于所述训练样本对预先构建的初始深度神经网络模型进行训练，得到所述深度神经网络模型。