[發明專利]一種分揀模型生成方法

在審

• 申請號: 201810936779.6
• 申請日: 2018-08-16
• 公開（公告）號: CN109190688A
• 公開（公告）日: 2019-01-11
• 發明（設計）人: 劉文海;錢暉;潘震宇;邵全全;馬進;王偉明;胡潔;戚進;張濤;周兵
• 申請（專利權）人: 上海發那科機器人有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海申新律師事務所 31272
• 代理人: 俞滌炯

本發明公開了一種機器人抓取有標簽數據自動生成方法，其屬于工業機器人領域的技術，包括：步驟S1，通過所述仿真分揀系統獲得待抓物體的有抓取標簽的仿真圖像，所述抓取標簽為所述待抓物體的可抓取區域；步驟S2，通過所述機器人分揀系統的獲得所述待抓物體的真實圖像；步驟S3，根據所述仿真圖像和所述真實圖像訓練獲得一對抗網絡；步驟S4，所述對抗網絡根據具有所述抓取標簽的所述仿真圖像生成機器人的訓練用的所述標簽圖像。該技術方案的有益效果是：能夠生成大量的用于機器人深度學習的標簽圖像，從而不需要進行人工標記，進一步提高了深度學習在機器人中的應用效率以及減少了迭代時間。

技術領域

本發明涉及的是一種工業機器人領域的技術，具體是一種機器人抓取有標簽數據自動生成方法。

背景技術

深度學習技術在機器人領域有著廣泛的應用，但需要大量有標記的圖像數據用于深度學習訓練。原因在于，在強標簽的深度學習技術框架下，有標簽數據量越大，質量越好，算法模型就表現的越好。

然而在機器人領域，特別是在機器人抓取領域，缺少像計算機視覺領域的大規模有標簽數據集。在這種情況下，極度依賴人工標記抓取區域或者抓取位姿，需要消耗大量人力來標簽數據(標簽圖像)，這不僅降低了深度學習在機器人領域應用的效率，也降低了工業機器人抓取算法的更新速度。

在不依賴數據的傳統抓取規劃方法中，基于幾何驅動的抓取規劃大多在仿真環境中針對確定性物體采用力封閉、形封閉等方法計算抓取位置或可抓取姿態。

發明內容

本發明針對現有技術存在的上述不足，提出一種機器人抓取有標簽數據自動生成方法，能夠生成大量的用于機器人深度學習的標簽圖像，從而不需要進行人工標記，進一步提高了深度學習在機器人中的應用效率以及減少了迭代時間。

本發明是通過以下技術方案實現的：

本發明涉及一種機器人抓取有標簽數據自動生成方法，其中，預設一機器人分揀系統和一與所述機器人分揀系統相對應的仿真分揀系統，根據所述機器人分揀系統和所述仿真分揀系統生成多個標簽圖形，并根據所述標簽圖形訓練一用于分揀物體的分揀模型；

所述標簽圖像生成方法包括以下步驟：

步驟S1，通過所述仿真分揀系統獲得待抓物體的有抓取標簽的仿真圖像，所述抓取標簽為所述待抓物體的可抓取區域；

步驟S2，通過所述機器人分揀系統獲得所述待抓物體的真實圖像；

所述步驟S1和所述步驟S2不分先后；

步驟S3，根據所述仿真圖像和所述真實圖像訓練獲得一對抗網絡；

步驟S4，所述對抗網絡根據具有所述抓取標簽的所述仿真圖像生成機器人的訓練用的所述標簽圖像。

優選的，該機器人抓取有標簽數據自動生成方法，其中，所述機器人分揀系統包括：

工業機器人，所述工業機器人的端部設有一可更換抓手；

攝像頭，用于獲得所述待抓物體的真實圖像。

優選的，該機器人抓取有標簽數據自動生成方法，其中，所述步驟S1具體包括以下步驟：

步驟S11，獲得所述待抓物體的物體模型，并根據所述待抓物體的所述物體模型獲得每一所述待抓物體的原始抓取標簽；

步驟S12，所述仿真分揀系統將所述待抓物體的所述物體模型隨機堆放；

步驟S13，所述仿真分揀系統根據所述原始抓取標簽獲得隨機堆放的所述待抓物體的所述物體模型的所述抓取標簽；

步驟S14，所述仿真分揀系統截取包括所述抓取標簽的所述待抓物體的仿真圖像。