[发明专利]基于虚拟样本深度学习的机器人目标识别和位姿重构方法有效
| 申请号： | 201611111441.4 | 申请日： | 2016-12-06 |
| 公开（公告）号： | CN106845515B | 公开（公告）日： | 2020-07-28 |
| 发明（设计）人： | 谷朝臣;章良君;吴开杰;关新平 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06T7/33;G06T17/00 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 郭国中 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于虚拟样本深度学习的机器人目标识别和位姿重构方法，包括采用CNN区域探测器提取操作目标在相机图像中的区域，初步确定操作目标与机器人末端相机的相对位置；采用CNN姿态分类器估计机器人末端相机当前视角与精确位姿求解最佳视角的观测角偏差；采用多次观测视角矫正的方法控制机器人运动，使得末端相机转移到精确位姿求解最佳视角；采用最佳视角下的轮廓特征的虚实匹配、位姿反求，实现目标位姿的精确计算。本发明解决了深度卷积神经网络的海量样本需求问题，以及轮廓匹配视角偏差过大时导致的特征遮挡、匹配困难的问题；提升了机器人视觉感知的主动性和目标位姿重构的算法柔性。 | ||
| 搜索关键词： | 基于 虚拟 样本 深度 学习 机器人 目标 识别 位姿重构 方法 | ||
【主权项】：
一种基于虚拟样本深度学习的机器人目标识别和位姿重构方法，其特征在于，包括如下步骤：目标区域检测步骤：采用CNN区域探测器提取操作目标在相机图像中的区域，初步确定操作目标与机器人末端相机的相对位置；相对姿态估计步骤：采用CNN姿态分类器估计机器人末端相机当前视角与精确位姿求解最佳视角的观测角偏差；主动视角变换步骤：采用多次观测视角矫正的方法控制机器人运动，使得末端相机转移到精确位姿求解最佳视角；精确位姿求解步骤：采用最佳视角下的轮廓特征的虚实匹配、位姿反求，实现目标位姿的精确计算。
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上海交通大学，未经上海交通大学许可，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/patent/201611111441.4/，转载请声明来源钻瓜专利网。
