[发明专利]位置预测方法、装置、设备以及可读存储介质

说明书

本发明公开了一种位置预测方法、装置、设备和计算机存储介质，该位置预测方法包括：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；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。本发明解决了抓取点位置预测准确率较低的技术问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种位置预测方法、装置、设备以及计算机可读存储介质。

背景技术

随着人们生活水平的提高及科技的不断发展，越来越多的工作都由人工操作转化为机器操作，而机器操作就需要用户为机器编写合适的算法，才能让机器能够精确定位到目标物体，从而满足用户的需求，而目前常用的算法PointNet++(一种点云分类/分割深度学习框架)是一种针对散乱点云的分类和目标分割方法，虽然能够让机器确定目标物体的位置，但没办法准确地预测出最佳抓取点，从而有可能会出现机器抓取目标物体不成功的现象发生，因此，如何提高抓取点位置预测准确率的问题成为了目前亟待解决的技术问题。

发明内容

本发明的主要目的在于提供一种位置预测方法、装置、设备和计算机存储介质，旨在解决抓取点位置预测准确率较低的技术问题。

为实现上述目的，本发明提供一种位置预测方法、装置、设备以及计算机可读存储介质，所述位置预测方法包括：

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；

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。

可选地，所述基于所述目标位置坐标和所述目标数量建立回归模型的步骤，包括：

获取所述目标图像中的特征点坐标，并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。

可选地，所述基于所述坐标差值和各所述目标数量获取各所述训练样本对应的损失函数值的步骤，包括：

基于所述坐标差值确定所述特征点坐标和各所述目标位置坐标之间的三维空间距离；

基于各所述三维空间距离和所述目标数量，确定各所述训练样本对应的损失函数值。

可选地，所述基于各所述三维空间距离和所述目标数量确定各所述训练样本对应的损失函数值的步骤之后，包括：

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。

可选地，所述基于所述回归模型进行位置预测的步骤的细化，包括：

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。

可选地，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：