[发明专利]基于规则多边形物体角点检测的高精度实时抓取检测方法

说明书

本发明公开一种基于规则多边形物体角点检测的高精度实时抓取检测方法，步骤为：采集多个规则物体的彩色图，对图片中物体及其角点进行标注，将图片中其他类似角点的非角点标注为负样本形成原始数据集；对原始数据集进行数据增强，并计算出增强后图像中的角点位置，建立完整可用、泛化能力强的数据集；构建深度卷积神经网络，利用已建立好的数据集对深度卷积网络进行训练；将待检测物体图像输入到深度卷积神经网络模型中，得到图像中待检测物体及其角点的位置信息；利用已知的待检测物体及其角点的位置信息，计算出抓取点的位置及姿态信息。本发明精确度和检测速度均有极大提高，且鲁棒性好，运行模型所需算力相对强化学习小很多，容易部署。

技术领域

本发明涉及一种目标抓取检测技术，具体为一种基于规则多边形物体角点检测的高精度实时抓取检测方法。

背景技术

近年来，随着工业4.0、中国制造2025、人工智能等一系列国家战略的提出和不断火热，机器人产业得到越来越多的重视。为了能让机器人智能化，需要为其配备一系列传感器以让其判断检测当前所处的工作环境，而为机器人加装摄像头为机器人添加视觉属性已成为很多机器人应用领域不可或缺的环节。而在机器人视觉应用中，目标的视觉抓取是一个十分重要的研究方向，在工业中的物品分拣、装配、存放等都需要让机器人通过视觉判断合理的抓取位置，在生活服务方面，也需要机器人通过稳健的抓取物体为人们提供便利。所以，物体抓取位置检测是一个十分重要的研究课题。

对于抓取检测，目前主要的方法有：1)基于传统图像处理方法，设计并提取物体特征，检测出物体轮廓和姿态；2)基于卷积神经网络的抓取检测，将物体的RGB或RGB-D信息送入深度卷积神经网络进行训练，训练后的网络通过网络各层的权重计算最终得出预测的抓取位置；3)基于深度强化学习的抓取检测，通过对机器人设置一系列奖惩机制，使得机器人在不断试错之后能合理判断物体的抓取位置和抓取方式。

上述方法中，方法1)需要人为设计和提取特征，泛化能力差；方法2)无需人为提取特征，泛化能力较好，但准确率还有待提高；方法3)通过机器人不断试错能得到一个鲁棒性好，能适应复杂环境的表现，但检测速度不够快，需要大量算力，对设备提出了较高的要求。

发明内容

针对现有技术中目标抓取检测准确率不高、鲁棒性差、检测速度不够快等不足，本发明要解决的问题是提供一种本发明的目的是提供一种基于规则多边形物体角点检测的高精度实时抓取检测方法，可极大提升对于规则多边形物体(尤其针对于矩形物体)的检测速度和抓取成功率。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种基于规则多边形物体角点检测的高精度实时抓取检测方法，其特征在于包括以下步骤：

1)采集多个规则物体的彩色图，并对图片中物体及其角点进行标注，同时，将图片中其他类似角点的非角点标注为负样本，形成原始数据集；

2)对原始数据集进行数据增强，并根据相应公式计算出增强后图像中的角点位置，建立完整可用、泛化能力强的数据集；

3)构建深度卷积神经网络，并利用已建立好的数据集对深度卷积网络进行训练；

4)将待检测物体图像输入到训练好的深度卷积神经网络模型中，得到图像中待检测物体及其角点的位置信息；

5)利用已知的待检测物体及其角点的位置信息，计算出抓取点的位置及姿态信息。

步骤1)中原始数据集通过以下过程得到：

101)采集多个形状规则且具备角点的物体的彩色图像；

102)对彩色图像中待检测物体的类别及位置进行标注；

103)对彩色图像中待检测物体的角点进行标注；

104)将彩色图像中可疑的类似角点的非角点标注为负样本；