[发明专利]位置预测方法、装置、设备以及可读存储介质

权利要求书

1.一种位置预测方法，其特征在于，所述位置预测方法包括以下步骤：

获取训练样本的图像信息，并基于所述图像信息获取所述训练样本的目标数量；

获取各所述训练样本在图像信息中的目标区域，在所述图像信息中筛选出具有目标区域的目标图像，并在各所述目标图像中的目标区域添加标签，其中，在所述图像信息中确定当前时刻已获取的图片数量，并在所有图片中筛选出一张包含所有训练样本的图片显示在显示界面，接收用户输入的选择确定指令，基于所述选择确定指令确定所述显示界面中的当前图片上的目标区域，并根据所述目标区域在各所述图片中筛选出与目标区域相同的图片作为目标图像；

基于所述标签获取各所述训练样本对应的目标位置坐标；

基于所述目标位置坐标和所述目标数量建立回归模型，并基于所述回归模型预测训练样本的待抓取位置，其中，预先对目标点云的最佳抓取位置赋予标签并通过PointNet++网络进行特征提取，以获取所述目标图像中的特征点坐标F_i，且F_i满足设置损失函数其中，代表第i个样本的抓取最佳位置，M是训练样本的数量，是每一样本预测位置和真实位置的三维空间距离；

获取所述特征点坐标和各所述目标位置坐标之间的坐标差值，基于所述坐标差值和所述目标数量获取各所述训练样本对应的损失函数值，并基于所述损失函数值建立回归模型，其中，判断所述损失函数值是否收敛；若所述损失函数值收敛，则停止获取特征点坐标，并基于已获取的所述特征点坐标自动生成回归模型；若所述损失函数值不收敛，则继续获取所述目标图像中的其它特征点坐标，直至损失函数值收敛；

其中，基于所述回归模型确定所述损失函数值中的最小损失函数值，并获取所述最小损失函数值对应的最佳特征点坐标，并将所述最佳特征点坐标作为预测位置点。

2.如权利要求1所述的位置预测方法，其特征在于，所述获取各所述训练样本在图像信息中的目标区域的步骤包括：

在所述图像信息中获取具有各所述训练样本的样本图像，并在所述样本图像中确定各所述训练样本对应的各目标区域；

基于所述目标区域，获取所述训练样本在图像信息中的目标区域。

3.如权利要求1所述的位置预测方法，其特征在于，所述基于所述标签获取各所述训练样本对应的目标位置坐标的步骤，包括：

基于所述标签，获取各所述目标图像中的各标签位置坐标；

并在各所述标签位置坐标中，获取各所述训练样本对应的目标位置坐标。

4.一种位置预测装置，其特征在于，所述位置预测装置包括：

第一获取模块，获取训练样本的图像信息，并基于所述图像信息获取所述训练样本的目标数量；

赋予模块，获取各所述训练样本在图像信息中的目标区域，在所述图像信息中筛选出具有目标区域的目标图像，并在各所述目标图像中的目标区域添加标签，其中，在所述图像信息中确定当前时刻已获取的图片数量，并在所有图片中筛选出一张包含所有训练样本的图片显示在显示界面，接收用户输入的选择确定指令，基于所述选择确定指令确定所述显示界面中的当前图片上的目标区域，并根据所述目标区域在各所述图片中筛选出与目标区域相同的图片作为目标图像；

第二获取模块，基于所述标签获取各所述训练样本对应的目标位置坐标；

预测模块，基于所述目标位置坐标和所述目标数量建立回归模型，并基于所述回归模型预测训练样本的待抓取位置，其中，预先对目标点云的最佳抓取位置赋予标签并通过PointNet++网络进行特征提取，以获取所述目标图像中的特征点坐标F_i，且F_i满足设置损失函数其中，代表第i个样本的抓取最佳位置，M是训练样本的数量，是每一样本预测位置和真实位置的三维空间距离；

获取所述特征点坐标和各所述目标位置坐标之间的坐标差值，基于所述坐标差值和所述目标数量获取各所述训练样本对应的损失函数值，并基于所述损失函数值建立回归模型，其中，判断所述损失函数值是否收敛；若所述损失函数值收敛，则停止获取特征点坐标，并基于已获取的所述特征点坐标自动生成回归模型；若所述损失函数值不收敛，则继续获取所述目标图像中的其它特征点坐标，直至损失函数值收敛；其中，基于所述回归模型确定所述损失函数值中的最小损失函数值，并获取所述最小损失函数值对应的最佳特征点坐标，并将所述最佳特征点坐标作为预测位置点。