[發(fā)明專利]一種基于連續(xù)路徑的機(jī)器人目標(biāo)抓取檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910497628.X
• 申請(qǐng)日: 2019-06-10
• 公開（公告）號(hào): CN110315535B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 黃攀峰;陳路;孟中杰;劉正雄;董剛奇;張帆
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): B25J9/16
• 分類號(hào): B25J9/16;B25J19/04;G06V10/764
• 代理公司: 西安凱多思知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61290
• 代理人: 王鮮凱

1.一種基于連續(xù)路徑的機(jī)器人目標(biāo)抓取檢測(cè)方法，其特征在于步驟如下：

步驟1、在被抓取物體上獲得連續(xù)路徑：連續(xù)路徑定義為一條或多條分布于物體上的直線段；具體地：連接被抓取物體上相互重疊的抓取區(qū)域的幾何中心點(diǎn)，得到連續(xù)路徑集合，并采用下述步驟刪除無(wú)效路徑；

(1)對(duì)路徑集合排除冗余路徑：定義距離矩陣D，其中D_ij表示抓取區(qū)域g_i,g_j之間的歐氏距離，若其沒有交集，則D_ij設(shè)置為無(wú)窮大；連接每一行最小值對(duì)應(yīng)的抓取區(qū)域：

其中，h(g_i)表示與區(qū)域g_i具有最小距離的抓取區(qū)域索引，k為圖像中抓取區(qū)域的數(shù)目；

(2)采用AlexNet模型構(gòu)建目標(biāo)分類器，對(duì)抓取區(qū)域h(g_i)中每一個(gè)路徑進(jìn)行置信度評(píng)價(jià)，若當(dāng)前路徑的置信度超過設(shè)定的閾值，則連續(xù)并為有效的連續(xù)路徑，否則為非連續(xù)放棄；

步驟2：基于YOLO V3模型的多尺度抓取檢測(cè)模型，以連續(xù)路徑第一端點(diǎn)的橫、縱坐標(biāo)(x₁,y₁)，第二端點(diǎn)的橫、縱坐標(biāo)(x₂,y₂)，以及分布于該路徑上有向區(qū)域的寬度w作為檢測(cè)模型的參數(shù)，建立被抓取物體的多尺度抓取檢測(cè)模型；

步驟3：在Darknet框架下對(duì)多尺度抓取檢測(cè)模型進(jìn)行訓(xùn)練，將包含被抓取物體的圖像輸入訓(xùn)練完成的多尺度抓取檢測(cè)模型，得到輸出的抓取參數(shù)。

2.根據(jù)權(quán)利要求1所述基于連續(xù)路徑的機(jī)器人目標(biāo)抓取檢測(cè)方法，其特征在于：所述步驟3的訓(xùn)練策略為：每一批次處理16幅圖像，初始學(xué)習(xí)速率設(shè)置為0.001，參數(shù)優(yōu)化采用動(dòng)量為0.9的隨機(jī)梯度下降法，權(quán)重衰減為0.001， 訓(xùn)練過程共進(jìn)行5萬(wàn)次迭代，迭代第2萬(wàn)次和第4萬(wàn)次分別將學(xué)習(xí)速率縮小10倍。

3.根據(jù)權(quán)利要求1或2所述基于連續(xù)路徑的機(jī)器人目標(biāo)抓取檢測(cè)方法，其特征在于：所述步驟3的訓(xùn)練策略：改變飽和度、曝光度和色調(diào)，對(duì)訓(xùn)練圖像進(jìn)行數(shù)據(jù)擴(kuò)充，考慮旋轉(zhuǎn)角度與分類結(jié)果直接相關(guān)，數(shù)據(jù)擴(kuò)充時(shí)并不改變其旋轉(zhuǎn)角度。