[發明專利]目標獲取方法、設備和計算機可讀存儲介質在審
| 申請號: | 201810942852.0 | 申請日: | 2018-08-17 |
| 公開(公告)號: | CN109086736A | 公開(公告)日: | 2018-12-25 |
| 發明(設計)人: | 呂仕杰 | 申請(專利權)人: | 深圳藍胖子機器人有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/20;G06K9/62 |
| 代理公司: | 深圳協成知識產權代理事務所(普通合伙) 44458 | 代理人: | 章小燕 |
| 地址: | 518000 廣東省深圳市南山區粵興三道*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 目標獲取 計算機可讀存儲介質 邊框信息 深度信息 像素點 圖像 機械手 二維信息 獲取目標 三維信息 神經網絡 視覺結構 圖像輸入 自動分揀 堆疊 分揀 成功率 機器人 拍攝 分割 移動 | ||
1.一種目標獲取方法,用于機器人分揀重疊物體,其特征在于,所述目標獲取方法包括:
獲得通過第一視覺結構拍攝的第一圖像;
將所述第一圖像輸入至預先訓練的神經網絡進行計算,計算分割所述第一圖像的二維信息中的每一物體,獲得對應每一物體的像素點集;
根據所要獲取的目標的像素點集獲得所述目標的邊框信息,以及根據第一圖像的三維信息獲得所述目標的深度信息;
根據所述邊框信息和深度信息控制機械手移動并獲取目標。
2.如權利要求1所述的目標獲取方法,其特征在于,所述目標獲取方法還包括:
獲得多個訓練圖像;
根據輸入指令獲得所述訓練圖像中完整度達到70%的物體的標注;
根據所述訓練圖像和對應的標注對神經網絡進行訓練。
3.如權利要求1所述的目標獲取方法,其特征在于,所述計算分割所述第一圖像的二維信息中的每一物體包括:
通過Fully Convolutional Instance-aware Semantic Segmentation分割圖片中每一個物體。
4.如權利要求1所述的目標獲取方法,其特征在于,所述根據目標的像素點集獲得所述目標的邊框信息包括:
根據目標的像素點集以及RANSAC方法提取出目標的邊框。
5.如權利要求1至4任一項所述的目標獲取方法,其特征在于,所述目標獲取方法還包括:
獲得通過第二視覺結構拍攝所述目標的第二圖像;
根據所述第二圖像的三維信息獲得所述目標的當前姿態;
在所述當前姿態未匹配預設姿態時,控制所述機械手調整姿態,以使所述目標處于預設姿態。
6.一種目標獲取設備,其特征在于,所述目標獲取設備包括處理器、存儲器以及存儲在所述存儲器上并可在所述處理器上運行的目標獲取程序,所述目標獲取程序被所述處理器執行時實現如下步驟:
獲得通過位于上方的第一視覺結構拍攝的第一圖像;
將所述第一圖像輸入至預先訓練的神經網絡進行計算,計算分割所述第一圖像的二維信息中的每一物體,獲得對應每一物體的像素點集;
根據所要獲取的目標的像素點集獲得目標的邊框信息,以及根據第一圖像的三維信息獲得目標的深度信息;
根據所述邊框信息和深度信息控制機械手移動并獲取目標。
7.如權利要求6所述的目標獲取設備,其特征在于,所述目標獲取程序被所述處理器執行時還實現如下步驟:
獲得多個訓練圖像;
根據輸入指令獲得所述訓練圖像中完整度達到70%的物體的標注;
根據所述訓練圖像和對應的標注對神經網絡進行訓練。
8.如權利要求6所述的目標獲取設備,其特征在于,所述計算分割所述第一圖像的二維信息中的每一物體包括:
通過Fully Convolutional Instance-aware Semantic Segmentation分割圖片中每一個物體。
9.如權利要求6至8任一項所述的目標獲取方法,其特征在于,所述目標獲取程序被所述處理器執行時還執行如下步驟:
獲得通過位于下方的第二視覺結構拍攝所述目標的第二圖像;
根據所述第二圖像的三維信息獲得所述目標的當前姿態;
在所述當前姿態未匹配預設姿態時,控制所述機械手調整獲取動作,以使所述目標處于預設姿態。
10.一種計算機可讀存儲介質,其特征在于,所述計算機可讀存儲介質上存儲有目標獲取程序,所述目標獲取程序被處理器執行時實現如權利要求1至5中任一項所述的目標獲取方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于深圳藍胖子機器人有限公司,未經深圳藍胖子機器人有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810942852.0/1.html,轉載請聲明來源鉆瓜專利網。





