一种基于深度学习物体识别的散乱抓取装置制造方法及图纸

一种基于深度学习物体识别的散乱抓取装置，本发明专利技术涉及散乱抓取的深度学习技术领域；它包含机器人、3D相机、计算机；所述的计算机中包含控制器和3D定位软件，3D相机与3D定位软件连接，3D定位软件与控制器连接，控制器与机器人连接。实现散乱抓取机器人对于不同形状、不同摆放方向物体的抓取判别与定位,并实现机器人抓取位姿最优判别。

【技术实现步骤摘要】
一种基于深度学习物体识别的散乱抓取装置
本专利技术涉及散乱抓取的深度学习
，具体涉及一种基于深度学习物体识别的散乱抓取装置。
技术介绍
学术上将机器人拾取散乱零件的过程称为Bin-picking，典型的Bin-picking系统包括三个部分：机器人、视觉检测和计算机控制单元，其中，视觉检测是核心部分。该系统工作流程：视觉系统结合计算机对放置零件的物料箱进行分析，利用传感器自身的深度图像获取散乱目标零件的空间轮廓来获取其位姿，并规划机械臂的抓取坐标路径，完成零件拾取任务。目前国内外对机器人自动装配的研究主要在零件位姿检测方面，本文中提到的基于深度学习物体识别的散乱抓取技术研究，是通过分析修复传感器的深度图像，获得描述零件姿态的三维点云，利用散乱零件连接部分特性和零件自身平面结构分离出目标单元，针对分割后的单元数据，由随机采样一致原理出发，技术基于特征的位姿估算方法并通过实验进行分析验证，建立深度图像和三维点云的变换关系，Bin-picking系统绝大多数是基于特征建立的。该类系统包括四部分：建立参考模型、获取目标点云、估算零件位姿和规划拾取轨迹。其中，由点云获取和位姿判断构成的视本文档来自技高网...

【技术保护点】
1.一种基于深度学习物体识别的散乱抓取装置，其特征在于：它包含机器人(1)、3D相机(2)、计算机(3)；所述的计算机(3)中包含控制器(3‑1)和3D定位软件(3‑2)，3D相机(2)与3D定位软件(3‑2)连接，3D定位软件(3‑2)与控制器(3‑1)连接，控制器(3‑1)与机器人(1)连接。

【技术特征摘要】
1.一种基于深度学习物体识别的散乱抓取装置，其特征在于：它包含机器人(1)、3D相机(2)、计算机(3)；所述的计算机(3)中包含控制器(3-1)和3D定位软件(3-2)，3D相机(2)与3D定位软件(3-2)连接，3D定位软件(3-2)与控制器(3-1)连接，控制器(3-1)与机器人(1)连接。2.根据权利要求1所述的一种基于深度学习物体识别的散乱抓取装置，其特征在于：所述的机器人(1)为六自由度机器人。3.根据权利要求1所述的一种基于深度学习物体识别的散乱抓取装置，其特征在于：它的工作步骤如下：3D相机(2)获取待抓取零件(4)的点云信息，通过3D定位软件(3-2)中的高精度匹配算法计算零件点云与CAD模型的匹配度，匹配度高的即为识别的零件，判断机器人(1)的可达性以及是否与料框干涉，将识别的零件姿态数据转换到机器人(1)坐标系下，通过以太网发送给机器人(1)，从而引导机器人(1)精确抓取。4.一种基于深度学习...

【专利技术属性】
技术研发人员：裴磊，
申请(专利权)人：江苏楚门机器人科技有限公司，
类型：发明
国别省市：江苏,32