[发明专利]基于物体识别深度学习模型的机器人抓取位姿估计方法在审
| 申请号： | 201810803444.7 | 申请日： | 2018-07-20 |
| 公开（公告）号： | CN109102547A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 李明洋;王家鹏;任明俊 | 申请（专利权）人： | 上海节卡机器人科技有限公司 |
| 主分类号： | G06T7/80 | 分类号： | G06T7/80;G06T7/30 |
| 代理公司： | 上海旭诚知识产权代理有限公司 31220 | 代理人： | 郑立 |
| 地址： | 200120 上海市浦东新区中国*** | 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： | 本发明公开了一种基于物体识别深度学习模型的机器人抓取位姿估计方法，涉及计算机视觉技术领域，该方法基于RGBD相机和深度学习，包括以下步骤：S1：进行相机参数标定和手眼标定；S2：训练目标检测物体模型；S3：建立目标物体三维点云模板库；S4：识别待抓取区域各个物品的种类和位置；S5：对二维和三维视觉信息进行融合并获取特定目标物体的点云；S6：完成目标物体位姿估计；S7：采用基于样本积累的错误规避算法对错误的情况进行规避；S8：在机器人末端向目标物体移动的过程中，视觉系统不断重复步骤S4至S7，实现目标物体位姿估计的迭代优化。本发明算法利用目标检测YOLO模型进行前期快速目标检测，减少了三维点云分割和匹配的计算量，提高了运算效率和准确率。 | ||
| 搜索关键词： | 目标物体 位姿估计 抓取 三维点云 物体识别 算法 机器人 计算机视觉技术 机器人末端 错误规避 迭代优化 快速目标 目标检测 三维视觉 视觉系统 手眼标定 物体模型 相机参数 训练目标 运算效率 计算量 模板库 标定 检测 准确率 点云 学习 匹配 样本 相机 融合 分割 移动 重复 积累 | ||
【主权项】：
1.一种基于物体识别深度学习模型的机器人抓取位姿估计方法，其特征在于，包括以下步骤：步骤S1：将RGBD相机安装在机器人末端，基于张正友相机标定算法与Tsai‑Lenz手眼标定算法，进行相机参数标定和手眼标定；步骤S2：采集大量包含各种要抓取的目标物品的二维图像作为YOLO训练集，训练能够检测目标物体的YOLO模型；步骤S3：采用基于颜色区域生长的点云分割算法和“五帧法”拼接点云，建立目标物体的三维点云模板库；步骤S4：利用步骤S2中训练好的YOLO模型，识别待抓取区域各个物体的种类和位置；步骤S5：进行二维视觉信息与三维视觉信息的融合并获取目标物体点云；步骤S6：采用将目标物体的点云与模板库中物体点云模板进行配准的方式，来进行目标物体的位姿估计；步骤S7：采用基于样本积累的错误规避算法，用来对错误的情况进行规避；步骤S8：在机器人末端向目标物体移动的过程中，视觉系统不断重复步骤S4至步骤S7环节，实现目标物体位姿估计的迭代优化。
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节卡机器人科技有限公司，未经上海节卡机器人科技有限公司许可，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/201810803444.7/，转载请声明来源钻瓜专利网。
