[發(fā)明專(zhuān)利]物體識(shí)別和姿態(tài)估計(jì)方法、裝置及機(jī)械臂抓取系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610903034.0
• 申請(qǐng)日: 2016-10-17
• 公開(kāi)（公告）號(hào): CN107953329B
• 公開(kāi)（公告）日: 2021-06-15
• 發(fā)明（設(shè)計(jì)）人: 曾偉;梁國(guó)遠(yuǎn);王燦;吳新宇;黃勝
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院
• 主分類(lèi)號(hào): B25J9/16
• 分類(lèi)號(hào): B25J9/16;G06T7/73
• 代理公司: 深圳中一專(zhuān)利商標(biāo)事務(wù)所 44237
• 代理人: 張全文

本發(fā)明適用于人工智能應(yīng)用技術(shù)領(lǐng)域，提供了一種物體識(shí)別和姿態(tài)估計(jì)方法、裝置及機(jī)械臂抓取系統(tǒng)，該方法包括：通過(guò)多級(jí)深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行物體的類(lèi)別和姿態(tài)學(xué)習(xí)，建立特征描述子集合；采集目標(biāo)物體的物體姿態(tài)圖像；通過(guò)所述多級(jí)深度學(xué)習(xí)模型，從目標(biāo)物體的物體姿態(tài)圖像中獲取所述目標(biāo)物體的特征描述子，并結(jié)合所述特征描述子集合進(jìn)行物體識(shí)別和姿態(tài)估計(jì)；其中，所述特征描述子集合包括至少兩個(gè)特征描述子，每個(gè)所述特征描述子表征一種物體類(lèi)別和物體姿態(tài)。通過(guò)本發(fā)明能同時(shí)學(xué)習(xí)物體類(lèi)別和姿態(tài)，提高識(shí)別精度。

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種物體識(shí)別和姿態(tài)估計(jì)方法、裝置及機(jī)械臂抓取系統(tǒng)。

背景技術(shù)

機(jī)械臂完成對(duì)物體的抓取，需要精準(zhǔn)的物體識(shí)別和姿態(tài)估計(jì)方法。目前物體識(shí)別和姿態(tài)估計(jì)存在著多種方法，不同的方法之間采用的傳感器、特征處理方法和標(biāo)定策略不盡相同，而這些方法均存在一定的局限性。

例如，一些方法基于三維建模，通過(guò)數(shù)據(jù)對(duì)齊的方式估計(jì)物體的姿態(tài)等信息，這種方法建模難度大，需要處理大量的三維數(shù)據(jù)。又例如，雙目視覺(jué)方法，這種方法對(duì)于光照變化等非常敏感，紋理不夠則不夠魯棒。另外一些方法則基于主動(dòng)投射的抓取方式，這類(lèi)方法往往需要投射激光或光柵，使得末端結(jié)構(gòu)復(fù)雜。還有一些方法基于二維圖像信息識(shí)別，都采用手工特征的學(xué)習(xí)方法，其識(shí)別效果和精度往往不夠理想。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供了一種物體識(shí)別和姿態(tài)估計(jì)方法、裝置及機(jī)械臂抓取系統(tǒng)，以解決現(xiàn)有技術(shù)中物體識(shí)別和姿態(tài)估計(jì)精準(zhǔn)性較差的問(wèn)題。

本發(fā)明實(shí)施例的第一方面，提供了一種物體識(shí)別和姿態(tài)估計(jì)方法，包括：

通過(guò)多級(jí)深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行物體的類(lèi)別和姿態(tài)學(xué)習(xí)，建立特征描述子集合；其中，所述特征描述子集合包括至少兩個(gè)特征描述子，每個(gè)所述特征描述子表征一種物體類(lèi)別和物體姿態(tài)；

采集目標(biāo)物體的物體姿態(tài)圖像；

通過(guò)所述多級(jí)深度學(xué)習(xí)模型，從所述目標(biāo)物體的物體姿態(tài)圖像中獲取所述目標(biāo)物體的特征描述子，并結(jié)合所述特征描述子集合進(jìn)行物體識(shí)別和姿態(tài)估計(jì)。

本發(fā)明實(shí)施例的第二方面，提供了一種物體識(shí)別和姿態(tài)估計(jì)裝置，包括學(xué)習(xí)單元、圖像采集單元和識(shí)別單元；

所述學(xué)習(xí)單元，用于通過(guò)多級(jí)深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行物體的類(lèi)別和姿態(tài)學(xué)習(xí)，建立特征描述子集合；其中，所述特征描述子集合包括至少兩個(gè)特征描述子，每個(gè)所述特征描述子表征一種物體類(lèi)別和物體姿態(tài)；

所述圖像采集單元，用于采集目標(biāo)物體的物體姿態(tài)圖像；

所述識(shí)別單元，用于通過(guò)所述多級(jí)深度學(xué)習(xí)模型，從目標(biāo)物體的物體姿態(tài)圖像中獲取新目標(biāo)物體的特征描述子，并結(jié)合所述特征描述子集合進(jìn)行物體識(shí)別和姿態(tài)估計(jì)。

本發(fā)明實(shí)施例的第三方面，提供了一種機(jī)械臂抓取系統(tǒng)，包括機(jī)械臂和物體識(shí)別和姿態(tài)估計(jì)裝置，所述物體識(shí)別和姿態(tài)估計(jì)裝置為上述物體識(shí)別和姿態(tài)估計(jì)裝置。

本發(fā)明實(shí)施例的第四方面，提供了一種機(jī)器人，包括上述機(jī)械臂抓取系統(tǒng)。

本發(fā)明實(shí)施例與現(xiàn)有技術(shù)相比存在的有益效果是：本發(fā)明實(shí)施例通過(guò)多級(jí)深度學(xué)習(xí)模型對(duì)圖像樣本進(jìn)行物體類(lèi)別和姿態(tài)學(xué)習(xí)，建立特征描述子集合，并從目標(biāo)物體的物體姿態(tài)圖像中獲取目標(biāo)物體的特征描述子，然后結(jié)合特征描述子集合對(duì)目標(biāo)物體進(jìn)行物體識(shí)別和姿態(tài)估計(jì)，相對(duì)于現(xiàn)有技術(shù)，能同時(shí)學(xué)習(xí)物體類(lèi)別和姿態(tài)，提高識(shí)別精度。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。