[發明專利]物體抓取方法及裝置

有效

• 申請號: 201710944250.4
• 申請日: 2017-09-30
• 公開（公告）號: CN109598264B
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 龔星
• 申請（專利權）人: 北京獵戶星空科技有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

1.一種物體抓取方法，其特征在于，包括：

獲取待抓取物體的圖像數據；所述圖像數據包括：所述待抓取物體表面上各個點的三維坐標信息；

根據所述待抓取物體的圖像數據生成至少一個抓取方式；所述抓取方式包括：至少一個抓取點的三維坐標信息，以及抓取角度，每個所述抓取方式具有不同的抓取點或者不同的抓取角度；

將所述待抓取物體的圖像數據以及所述抓取方式輸入抓取評估模型，獲取所述抓取方式的評估分數；

選取評估分數符合規則的抓取方式對所述待抓取物體進行抓取操作。

2.根據權利要求1所述的方法，其特征在于，所述獲取待抓取物體的圖像數據之前，還包括：

獲取訓練數據，所述訓練數據中包括：獲取仿真物體的圖像數據，抓取方式以及標注結果；所述標注結果用于描述使用所述抓取方式應用于所述仿真物體的抓取結果；

根據所述訓練數據，對構建的深度卷積神經網絡進行訓練，得到所述抓取評估模型。

3.根據權利要求2所述的方法，其特征在于，所述選取評估分數符合規則的抓取方式對所述待抓取物體進行抓取操作之后，還包括：

獲取所述待抓取物體的抓取結果；

根據所述抓取結果，對所述訓練數據中所述評估分數符合規則的抓取方式的評估分數進行調整，得到所述抓取方式的標注結果；

將所述待抓取物體的圖像數據，所述抓取方式以及所述標注結果作為訓練數據，對所述抓取評估模型重新進行訓練。

4.根據權利要求1所述的方法，其特征在于，所述獲取待抓取物體的圖像數據之前，包括：

獲取所述待抓取物體所處的場景的圖像數據；

對所述場景的圖像數據中的物體進行識別，獲取所述待抓取物體的圖像數據。

5.根據權利要求2所述的方法，其特征在于，所述獲取仿真物體的圖像數據，抓取方式以及標注結果，具體包括：

根據所述仿真物體的圖像數據生成至少一個抓取方式，結合抓取要素對所述抓取方式進行評估打分；所述抓取要素包括以下要素中的任意一個或者多個：抓取機械臂是否與物體碰撞、物體寬度是否可抓以及抓取方式是否穩固；

根據所述抓取方式的評估分數確定標注結果。

6.根據權利要求1所述的方法，其特征在于，所述根據所述待抓取物體的圖像數據生成抓取方式，包括：

計算所述待抓取物體的圖像數據中每個點的法線和曲率；

根據所述法線和曲率生成抓取方式。

7.一種物體抓取裝置，其特征在于，包括：

獲取模塊，用于獲取待抓取物體的圖像數據；所述圖像數據包括：所述待抓取物體表面上各個點的三維坐標信息；

生成模塊，用于根據所述待抓取物體的圖像數據生成至少一個抓取方式；所述抓取方式包括：至少一個抓取點的三維坐標信息，以及抓取角度，每個所述抓取方式具有不同的抓取點或者不同的抓取角度；

輸入模塊，用于將所述待抓取物體的圖像數據以及所述抓取方式輸入抓取評估模型，獲取所述抓取方式的評估分數；

選取模塊，用于選取評估分數符合規則的抓取方式對所述待抓取物體進行抓取操作。

8.根據權利要求7所述的裝置，其特征在于，還包括：第一訓練模塊；

所述獲取模塊，還用于獲取訓練數據，所述訓練數據中包括：獲取仿真物體的圖像數據，抓取方式以及標注結果；所述標注結果用于描述使用所述抓取方式應用于所述仿真物體的抓取結果；

所述第一訓練模塊，用于根據所述訓練數據，對構建的深度卷積神經網絡進行訓練，得到所述抓取評估模型。