[发明专利]一种机器人抓取过程中的目标位姿识别方法

摘要

本发明涉及一种机器人抓取过程中的目标位姿识别方法，对待识别目标提出特征需求，并将需求参数化；通过所设计的神经网络，实现图像的特征提取、边界框生成、边界框修正等功能，完成在图像中检测目标并识别步骤一所提出的目标特征参数。通过对训练数据的准备、神经网络参数的合理选取以及大量图像数据集的训练，实现损失函数收敛。在损失函数收敛后，利用机器人的视觉系统，实现对目标的位姿识别与操作任务。该方法用于智能机器人操作任务中，快速准确的识别目标，并在获得识别信息后，实现对目标的抓取、转移、搬运等操作，本发明具有良好的识别速度快，准确性高、鲁棒性好等优点。

主权项

1.一种机器人抓取过程中的目标位姿识别方法，其特征在于步骤如下：步骤1：在惯性坐标系下，对被抓取目标采用5维参数描述：g＝{x,y,w,h,θ}式中(x,y)表示抓取目标几何中心坐标参数，(w,h)表示抓取结构参数，θ表示抓取姿态参数即二指抓取器相对水平轴的旋转角度；w为二指抓取器的张开角度，h为二指抓取器的宽度；对抓取姿态参数θ离散化：在水平轴[‑90°,90°]，内进行采样率为20的等间隔离散，得到离散数据表；步骤2：对包含被抓取目标的高为H，宽为W的图像，采用VGG16神经网络模型进行特征提取，特征提取的参数为：卷积核为3×3，步长为1，Padding参数为Same的卷积方式，得到高宽分别为H/16、W/16的包含被抓取目标图像的特征图；所述被抓取目标的真实边界框坐标为采用区域生成网络RPN对特征图进行处理，得到被抓取目标存在的区域；利用锚点Anchor法对被抓取目标存在的区域处理，得到候选边界框坐标为以L_GIoU作为损失函数实现候选边界框修正：1)令取2)计算真实边界框面积3)计算候选边界框面积4)计算相交区域面积I5)计算最小封闭框B^c坐标6)计算封闭框面积7)u＝A^p+A^g‑I8)得到包含图像的特征提取、边界框生成、边界框修正的神经网络模型；步骤3：训练数据准备：读取康奈尔抓取检测数据集的文件，每次读取四行已经标注的目标位姿坐标数据，利用位置坐标计算结构参数(w,h)与姿态参数θ，通过离散数据表找到对应区间的代表角度，并将其标记为对应类型，最后计算出的中心位置(x,y)；参数选取及训练神经网络模型：利用ImageNet训练好的参数对神经网络模型进行初始化，经过Fine‑Tuning训练后，使得损失函数收敛结束；Epochs参数为1000，学习率为0.001，Weight Decay参数设置为0.0001，Minibatch参数选择为1训练完成的神经网络模型输出被抓取目标实际的5维参数g＝{x,y,w,h,θ}二指抓取器根据5维参数实施抓取目标。