[发明专利]一种基于深度学习的机械臂控制方法和装置在审
| 申请号： | 201910098680.8 | 申请日： | 2019-01-31 |
| 公开（公告）号： | CN109531584A | 公开（公告）日： | 2019-03-29 |
| 发明（设计）人： | 吕泽杉;李竹奇;李源;韩华涛;高景一;耿金鹏 | 申请（专利权）人： | 北京无线电测量研究所 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16 |
| 代理公司： | 北京正理专利代理有限公司 11257 | 代理人： | 付生辉 |
| 地址： | 100851*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 抓取 机械臂控制 机械臂 采集 排序 卷积神经网络 物体空间位置 方法和装置 备选策略 流程控制 三维图像 提取特征 图像计算 训练网络 大网络 矩形框 鲁棒性 小网络 备选 量化 筛选 神经 图像 输出 学习 配合 | ||
1.一种基于深度学习的机械臂控制方法，其特征在于，包括：
采集被抓取物体的图像；
根据采集的图像计算最优抓取流程；
根据最优抓取流程控制机械臂抓取物体。
2.根据权利要求1所述的方法，其特征在于，所述采集被抓取物体的图像包括：
采集物体的RGB彩色图像；
采集物体的D空间深度图像。
3.根据权利要求2所述的方法，其特征在于，采集图像时将相机与机械臂依次在平面和深度上进行标定实验，确定坐标系及转移矩阵。
4.根据权利要求1所述的方法，其特征在于，所述计算最优抓取流程包括：
通过神经网络算法针对每种被抓取物体的图像进行抓取关键信息的标注或特征学习；
设定卷积神经网络算法对所述关键信息的优劣进行评价排序，确定抓取策略。
5.根据权利要求4所述的方法，其特征在于，所述抓取策略包括：根据物体的位置、姿态、尺寸信息控制机械臂进行抓取。
6.根据权利要求1所述的方法，其特征在于，所述控制机械臂抓取物体包括：控制机械臂进行平移、垂直移动、旋转，且在旋转时包括多个自由度。
7.一种基于深度学习的机械臂控制装置，其特征在于，包括：
图像采集模块：用于采集被抓取物体的图像；
深度学习训练及计算模块：用于根据采集的图像计算最优抓取流程；
控制模块：用于根据最优抓取流程控制机械臂抓取物体。
8.根据权利要求7所述的装置，其特征在于，所述图像采集模块包括：
RGB彩色相机：用于采集物体的RGB彩色图像；
D深度相机：用于采集物体的D空间深度图像。
9.根据权利要求7所述的装置，其特征在于，所述深度学习训练及计算模块用于：
通过神经网络算法针对每种被抓取物体的图像进行抓取关键信息的标注或特征学习；
设定卷积神经网络算法对所述关键信息的优劣进行评价排序，确定抓取策略。
10.根据权利要求7所述的装置，其特征在于，所述控制模块用于：控制机械臂进行平移、垂直移动、旋转，且在旋转时包括多个自由度。
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北京无线电测量研究所，未经北京无线电测量研究所许可，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/201910098680.8/1.html，转载请声明来源钻瓜专利网。
- 上一篇：工业巡线机器人自动控制系统
- 下一篇：机器人
