[发明专利]学习装置、学习方法、学习模型、推算装置以及夹持系统有效

专利信息
申请号: 201880035634.7 申请日: 2018-05-30
公开(公告)号: CN110692082B 公开(公告)日: 2023-07-11
发明(设计)人: 草野仁志;久米绚佳;松元叡一 申请(专利权)人: 首选网络株式会社
主分类号: G06T7/00 分类号: G06T7/00;B25J13/00;G06N3/0464;G06N20/00;G06T7/70
代理公司: 中国贸促会专利商标事务所有限公司 11038 代理人: 许海兰
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 学习 装置 学习方法 模型 推算 以及 夹持 系统
【权利要求书】:

1.一种学习装置,其中,具备:

检测单元,取得物体的图像信息和夹持该物体的教学工具的信息;

训练数据生成单元,将由所述检测单元取得的所述教学工具的信息变换为所述教学工具的位置及姿势的信息,生成将所述物体的图像信息与夹持该物体的所述教学工具的位置及姿势的信息相关联的数据即训练数据;以及

学习部,使用所述训练数据学习由具备多个层的神经网络模型表示的学习模型,该学习模型是当经由所述检测单元被输入目标物体的图像信息时输出能够夹持所述目标物体的夹持单元的位置及姿势的信息的学习模型,

所述学习模型输出的所述姿势的信息包括能够表现绕多个轴的旋转角度的信息。

2.根据权利要求1所述的学习装置,其中,所述学习模型将能够夹持所述目标物体的所述夹持单元的位置以及姿势的信息作为图像信息输出。

3.根据权利要求1所述的学习装置,其中,

所述检测单元将所述教学工具的位置检测为3维数据,

所述训练数据是具备至少包括所述教学工具的3维位置信息的6维以上的自由度的数据。

4.根据权利要求3所述的学习装置,其中,所述学习模型是卷积神经网络模型。

5.根据权利要求4所述的学习装置,其中,所述学习模型是在各层间不存在全连接层且所有层间通过卷积运算被连接的卷积神经网络模型。

6.根据权利要求1至5中的任意一项所述的学习装置,其中,

所述检测单元将所述教学工具的位置检测为3维数据;

所述训练数据中包括的所述教学工具的位置是用所述教学工具相对预定的基准点的垂直位置以及用2维表示的水平位置这3维表示的位置;

所述训练数据中包括的所述教学工具的姿势是用所述教学工具相对预定的基准姿势的滚转角、俯仰角及偏摆角这3维表示的姿势;

所述训练数据具备6维数据,该6维数据是所述教学工具能够夹持该物体的用所述3维表示的位置以及用所述3维表示的姿势的数据,

所述学习模型输出的所述夹持单元的位置及姿势的信息是所述夹持单元的用所述3维表示的位置以及用所述3维表示的姿势。

7.根据权利要求6所述的学习装置,还具备训练数据生成部,该训练数据生成部根据所述检测单元检测出的设置于所述教学工具的标记器的信息,取得所述训练数据的所述6维数据。

8.根据权利要求6所述的学习装置,其中,所述学习部将所述教学工具能够夹持物体的多个位置及姿势的信息中的、对基于所述检测单元检测出的距该物体的深度信息以及所述教学工具的姿势信息的多个信息进行聚类而得到的信息用作训练数据。

9.一种推算装置,其中,具备:

检测单元,取得目标物体的图像信息;

存储部,存储由具备多个层的神经网络模型表示的学习模型,该学习模型是当被输入物体的图像信息时输出能够夹持所述物体的夹持单元的位置及姿势的信息的学习模型;

推算部,将由所述检测单元取得的所述目标物体的图像信息输入到所述学习模型,推算所述夹持单元能够夹持所述目标物体的位置及姿势的信息;以及

夹持单元,根据由所述推算部推算出的所述位置及姿势的信息,夹持所述目标物体,

由所述推算部推算出的所述姿势的信息包括能够表现绕多个轴的旋转角度的信息。

10.根据权利要求9所述的推算装置,其中,

还具备输出部,该输出部将所述推算部推算出的所述位置及姿势的信息输出为图像信息。

11.根据权利要求10所述的推算装置,其中,

所述输出部输出的所述图像信息具备:

所述夹持单元能够夹持所述目标物体的2维位置信息,该2维位置信息表示相对所述检测单元的检测面平行的平面中的位置;以及

所述夹持单元能够夹持所述目标物体的3维姿势信息以及相对所述检测单元的检测面垂直方向的深度信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于首选网络株式会社,未经首选网络株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201880035634.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top