[發明專利]抓取機器人及其控制方法和定位模型訓練方法

有效

• 申請號: 202110302170.5
• 申請日: 2021-03-22
• 公開（公告）號: CN112975985B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 劉冰;王正;王子芃;耿嘉;劉俊;丁有爽;邵天蘭
• 申請（專利權）人: 梅卡曼德（北京）機器人科技有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16;G06T1/00;G06T7/70
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 歐陽高鳳

1.一種定位模型訓練方法，其特征在于，包括以下步驟：

獲取第一訓練圖片集，其中，所述第一訓練圖片集中包括多個第一訓練圖片；

根據所述第一訓練圖片中的可抓取物體的暴露表面積和/或可抓取區域對所述第一訓練圖片中的可抓取物體進行定位標注，得到第二訓練圖片集，其中，所述第二訓練圖片集中包括多個標注后的第一訓練圖片；

對所述第二訓練圖片集中的至少一個標注后的第一訓練圖片進行倍增處理，得到第三訓練圖片集，其中，所述第三訓練圖片集中包括至少一個倍增圖片；

根據所述第二訓練圖片集和所述第三訓練圖片集，對預設深度學習模型進行訓練，得到用于定位可抓取物體的定位模型；

所述對所述第一訓練圖片中的可抓取物體進行定位標注，得到第二訓練圖片集，包括：

將所述第一訓練圖片輸入至預設標注模型，得到所述預設標注模型輸出的預標注第一訓練圖片集；

利用預設標注規則對所述預標注第一訓練圖片集中的各個第一訓練圖片的標注結果進行校正，得到所述第二訓練圖片集。

2.如權利要求1所述的定位模型訓練方法，其特征在于，所述方法還包括：

獲取測試圖片；

將所述測試圖片輸入至所述定位模型，得到所述定位模型輸出的定位結果；

如果所述定位結果不滿足預設條件，則將所述測試圖片作為第二訓練圖片；

根據所述第二訓練圖片，對所述定位模型進行迭代訓練。

3.如權利要求1所述的定位模型訓練方法，其特征在于，利用預設倍增方式對所述第二訓練圖片集中的至少一個標注后的第一訓練圖片進行倍增處理，其中，所述預設倍增方式包括：亮度、對比度調節，圖片仿射變換，圖片白平衡隨機變換中的至少一者。

4.如權利要求3所述的定位模型訓練方法，其特征在于，在對所述第二訓練圖片集中的至少一個標注后的第一訓練圖片進行倍增處理之后，所述方法還包括：

判斷所述倍增圖片中的標注是否滿足預設標注規則；

如果所述倍增圖片中的標注不滿足所述預設標注規則，則對所述倍增圖片中的標注進行校正或者修正所述倍增圖片。

5.如權利要求4所述的定位模型訓練方法，其特征在于，利用亮度、對比度調節對第一訓練圖片進行倍增處理，包括：

獲取預設的亮度調節參數和對比度調節參數；

利用所述預設的亮度調節參數和對比度調節參數，對所述第一訓練圖片的R、G、B值進行調節，得到相應的倍增圖片；

其中，如果所述倍增圖片中的可抓取物體不可見，則調整所述預設的亮度調節參數和對比度調節參數，并利用調整后的亮度調節參數和對比度調節參數，對所述第一訓練圖片的R、G、B值進行調節，直至得到的倍增圖片中的可抓取物體可見。

6.如權利要求4所述的定位模型訓練方法，其特征在于，如果利用圖片仿射變換對第一訓練圖片進行倍增處理，則判斷所述倍增圖片中的標注是否滿足預設標注規則，包括：

獲取所述第一訓練圖片中所標注的可抓取物體的面積S1，并獲取所述倍增圖片中對應的可抓取物體的面積S2；

判斷S2與S1之間的比值是否大于第一預設值，以及判斷S2是否大于第二預設值；

如果S2與S1之間的比值小于或等于所述第一預設值，或者，S2小于或等于所述第二預設值，則判定所述倍增圖片中的標注不滿足所述預設標注規則，并刪除相應的標注。

7.如權利要求4所述的定位模型訓練方法，其特征在于，在利用白平衡隨機變換對第一訓練圖片進行倍增處理之前，所述方法還包括：

判斷所述第一訓練圖片中是否存在與可抓取物體形狀相同的非可抓取物體；

如果不存在，則利用白平衡隨機變換對所述第一訓練圖片進行倍增處理；

其中，所述利用白平衡隨機變換對所述第一訓練圖片進行倍增處理，包括：

獲取預設的白平衡參數，其中，所述預設的白平衡參數的取值范圍為-10%～10%；

利用所述預設的白平衡參數，對所述第一訓練圖片的R、G、B值進行調節。