[發明專利]一種機器人抓取檢測方法及系統有效
| 申請號: | 202010896209.6 | 申請日: | 2020-08-31 |
| 公開(公告)號: | CN111975783B | 公開(公告)日: | 2021-09-03 |
| 發明(設計)人: | 劉文印;戚宗城;陳俊洪 | 申請(專利權)人: | 廣東工業大學 |
| 主分類號: | B25J9/16 | 分類號: | B25J9/16;G06K9/00;G06K9/42;G06K9/62 |
| 代理公司: | 北京集佳知識產權代理有限公司 11227 | 代理人: | 郭帥 |
| 地址: | 510060 廣東省*** | 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: | 一種 機器人 抓取 檢測 方法 系統 | ||
1.一種機器人抓取檢測方法,其特征在于,包括:
S1.獲取物體圖像,利用物體類別判斷模型識別物體的類別,當識別為未知物體時進入步驟S2,否則進入步驟S4;
S2.將所述物體圖像與第一公共數據集進行度量得到未知物體的標記數據,并更新所述物體類別判斷模型;
步驟S2具體包括:
S21.提取所述物體圖像的特征向量并計算與所述第一公共數據集中圖像的特征向量之間的距離;
S22.根據步驟S21計算的距離對所述第一公共數據集中的圖像進行降序排列,在超過第二閾值的圖像中選取n張作為相似圖像集合;
S23.根據所述相似圖像集合在所述第一公共數據集中獲取未知物體的標記數據;
S24.根據所述相似圖像集合計算未知物體類別的特征向量,更新所述物體類別判斷模型;
S3.利用未知物體和已知物體的圖像樣本對抓取檢測模型訓練更新;
步驟S3具體包括:
S31.選取已知物體的圖像樣本和未知物體的圖像樣本混合為新訓練集,已知物體與未知物體的圖像樣本量比例為m;
S32.將所述新訓練集按照預設比例劃分為訓練集和測試集,利用所述訓練集對抓取檢測模型進行訓練更新,利用所述測試集評估抓取檢測模型的訓練效果;
其中,所述抓取檢測模型的初始訓練集為第二公共數據集;
S4.利用抓取檢測模型對物體圖像進行識別,生成對應的抓取框以控制機器人對物體進行抓取。
2.根據權利要求1所述的機器人抓取檢測方法,其特征在于,所述步驟S1中利用物體類別判斷模型識別物體的類別包括:
S11.提取所述物體圖像的特征向量并計算與已知物體類別特征向量序列[μk]中每個已知物體類別μk的距離,k表示已知物體類別;
S12.步驟S11計算的距離小于第一閾值時判斷為已知物體,并取距離最小值對應的物體類別作為所述物體圖像的類別,否則判斷為未知物體。
3.根據權利要求1所述的機器人抓取檢測方法,其特征在于,所述步驟S24包括:
求取所述相似圖像集合中各圖像的特征向量的平均值,作為未知物體類別的特征向量μk+1擴展已知物體類別的特征向量序列[μk]的維度以更新物體類別判斷模型。
4.根據權利要求1所述的機器人抓取檢測方法,其特征在于,所述步驟S3之前還包括:
將未知物體的標記數據的格式處理為與已知物體的標記數據的格式一致。
5.根據權利要求2所述的機器人抓取檢測方法,其特征在于,所述步驟S11計算的距離采用標準化歐氏距離。
6.根據權利要求1所述的機器人抓取檢測方法,其特征在于,所述步驟S21計算的距離采用標準化歐氏距離。
7.根據權利要求1所述的機器人抓取檢測方法,其特征在于,所述第一公共數據集為Jacquard Dataset。
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廣東工業大學,未經廣東工業大學許可,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/202010896209.6/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種用于掃雷輥的控制系統
- 下一篇:一種探測裝置及探測方法





