[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在审
| 申请号： | 201910552263.6 | 申请日： | 2019-06-25 |
| 公开（公告）号： | CN110298292A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 李想;左寅龙 | 申请（专利权）人： | 东北大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;B25J15/06;B25J19/02;G01B11/00;G01B11/24 |
| 代理公司： | 沈阳优普达知识产权代理事务所(特殊普通合伙) 21234 | 代理人： | 李晓光 |
| 地址： | 110169 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 角点 抓取 待检测物体 卷积神经网络 规则多边形 原始数据集 角点检测 数据集 检测 标注 图像 规则物体 角点位置 强化学习 数据增强 图像输入 运行模型 姿态信息 彩色图 负样本 鲁棒性 能力强 构建 卷积 可用 采集 图片 部署 网络 | ||
【主权项】：
1.一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。
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东北大学，未经东北大学许可，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/201910552263.6/，转载请声明来源钻瓜专利网。
