[實用新型]視覺機器人抓取系統

有效

• 申請號: 202021517844.0
• 申請日: 2020-07-28
• 公開（公告）號: CN212724028U
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 高振清;秦志民;文博宇;杜艷平
• 申請（專利權）人: 北京印刷學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06T7/70;B25J9/16
• 代理公司: 南通毅帆知識產權代理事務所(普通合伙) 32386
• 代理人: 劉紀紅

1.一種視覺機器人抓取系統，其特征在于，包括：

工作臺，用于放置待抓取目標；

圖像獲取裝置，所述圖像獲取裝置位于所述工作臺的上方，用于獲取所述待抓取目標的初始圖像；

計算裝置，與所述圖像獲取裝置通信連接，用于接收所述初始圖像，并將所述初始圖像輸入預先訓練的多尺度特征提取模型，計算得到處理圖像，以獲取所述待抓取目標的抓取姿態信息；

機器人，與所述計算裝置通信連接，用于接收所述計算裝置基于所述抓取姿態信息發出的控制信號，并基于所述控制信號調整至對應的抓取位置抓取所述待抓取目標。

2.根據權利要求1所述的視覺機器人抓取系統，其特征在于，所述機器人包括：

六軸機械臂；

機械臂驅動器，所述機械臂驅動器與所述計算裝置和所述六軸機械臂均通信連接，所述機械臂驅動器接收所述計算裝置發出的控制指令，并基于所述控制指令控制所述六軸機械臂運動至所述抓取位置抓取所述待抓取目標。

3.根據權利要求2所述的視覺機器人抓取系統，其特征在于，所述六軸機械臂在抓取位置和初始位置之間切換，每完成一次抓取，所述六軸機械臂自動復位至所述初始位置。

4.根據權利要求1所述的視覺機器人抓取系統，其特征在于，所述計算裝置為計算機，所述圖像獲取裝置為深度相機。

5.根據權利要求1所述的視覺機器人抓取系統，其特征在于，所述工作臺具有放置所述待抓取目標的放置區域，所述圖像獲取裝置位于所述放置區域的正上方。

6.根據權利要求1所述的視覺機器人抓取系統，其特征在于，所述抓取系統還包括：調節裝置，所述圖像獲取裝置設于所述調節裝置，所述調節裝置對所述圖像獲取裝置的高度和角度進行調節。

7.根據權利要求1所述的視覺機器人抓取系統，其特征在于，所述待抓取目標包括：環形線纜、快遞盒、收納盒、剪刀、螺絲刀、牙刷以及螺絲釘。

8.根據權利要求1-7中任一項所述的視覺機器人抓取系統，其特征在于，所述計算裝置，包括：

卷積神經網絡特征提取模塊，用于基于Darknet-53骨架，搭建卷積神經網絡特征提取模型；

標準卷積分離模塊，與所述卷積神經網絡特征提取模塊通訊連接，所述標準卷積分離模塊用于調用卷積層創建函數把所述卷積神經網絡特征提取模型中的可分離的標準卷積分離成單位卷積，構成基模型；

多尺度特征提取模塊，與所述標準卷積分離模塊通訊連接，所述多尺度特征提取模塊用于采用跳躍連接的方式對所述基模型中不同卷積層之間進行連接，構建多尺度特征提取模型；

模型訓練模塊，與所述多尺度特征提取模塊通訊連接，所述模型訓練模塊用于訓練所述多尺度特征提取模型，以獲得所述預先訓練的多尺度特征提取模型。

9.根據權利要求8所述的視覺機器人抓取系統，其特征在于，所述模型訓練模塊包括：

數據集創建模塊，用于獲取多尺度數據集；

訓練模塊，與所述數據集創建模塊通訊連接，所述訓練模塊用于基于所述多尺度數據集，采用遷移學習、并行運算和GPU加速方法中的至少一種方法對所述多尺度特征提取模型進行訓練。

10.根據權利要求9所述的視覺機器人抓取系統，其特征在于，所述模型訓練模塊還包括：

模型評估優化模塊，與所述訓練模塊通訊連接，所述模型評估優化模塊用于對訓練后的多尺度特征提取模型進行評估優化。