【技术实现步骤摘要】
机械臂抓取自学习方法及设备
本专利技术涉及计算机领域，尤其涉及一种机械臂抓取自学习方法及设备。
技术介绍
给定一个物体，给定一个任务，给定一个手，这个手该怎么根据这个任务去抓这个物体才是最好的？当前现有的方法是通过增强学习，自动学习物体的抓取。然而该方法最大的问题是数据收集的问题。现有的使用增强学习的方法自动学习抓取中，为了获取数据，需要使用了50台机械臂，采集超过一个月的时间。所以，传统机器人抓取需要大量学习样本，成本很高。
技术实现思路
本专利技术的一个目的是提供一种机械臂抓取自学习方法及设备。根据本专利技术的一个方面，提供了一种机械臂抓取自学习方法，该方法包括：步骤S1，获取场景的RGBD图像，得到所述场景的RGBD图像中的候选物体的点云组；步骤S2，利用所述场景的RGBD图像中的深度信息得到所述候选物体的点云组的表面的法向方向作为机械臂接近该组点云的运动方向，根据所述运动方向求得所述机械臂在所述候选物体表面的接触点，移动所述机械臂到所述接触点附近后，利用所述机械臂触碰所述候选物体表面的接触点；步骤S3，移动所述机械臂的末端，以使所述机械臂开始往所述接触点的法向...
【技术保护点】
1.一种机械臂抓取自学习方法，其中，该方法包括：步骤S1，获取场景的RGBD图像，得到所述场景的RGBD图像中的候选物体的点云组；步骤S2，利用所述场景的RGBD图像中的深度信息得到所述候选物体的点云组的表面的法向方向作为机械臂接近该组点云的运动方向，根据所述运动方向求得所述机械臂在所述候选物体表面的接触点，移动所述机械臂到所述接触点附近后，利用所述机械臂触碰所述候选物体表面的接触点；步骤S3，移动所述机械臂的末端，以使所述机械臂开始往所述接触点的法向方向施加作用力，同时与所述机械臂连接的力传感器检测施加的所述作用力，若在所述作用力到达所述预设阈值之前所述候选物体的点云组发...
【技术特征摘要】
1.一种机械臂抓取自学习方法，其中，该方法包括：步骤S1，获取场景的RGBD图像，得到所述场景的RGBD图像中的候选物体的点云组；步骤S2，利用所述场景的RGBD图像中的深度信息得到所述候选物体的点云组的表面的法向方向作为机械臂接近该组点云的运动方向，根据所述运动方向求得所述机械臂在所述候选物体表面的接触点，移动所述机械臂到所述接触点附近后，利用所述机械臂触碰所述候选物体表面的接触点；步骤S3，移动所述机械臂的末端，以使所述机械臂开始往所述接触点的法向方向施加作用力，同时与所述机械臂连接的力传感器检测施加的所述作用力，若在所述作用力到达所述预设阈值之前所述候选物体的点云组发生移动，则判定所述候选物体为待抓取的物体；步骤S4，根据施加所述作用力的过程中所述候选物体点云组的移动，验证所述候选物体的点云组，若验证结果是所述候选物体的点云组属于同一个物体，根据所述候选物体点云组的移动中前后变化求得所述物体实际的边界；步骤S5，由所述物体实际的边界得到所述物体的点云，根据得到的所述物体的点云并使用抓取方法计算所述机械臂的抓取点，根据所述抓取点控制所述机械臂所述抓取物体。2.根据权利要求1所述的方法，其中，得到所述场景的RGBD图像中的候选物体的点云组，包括：通过深度神经网络或几何信息的先验，得到所述场景的RGBD图像中的候选物体的点云组，候选物体的点云组为可能是物体的点云组。3.根据权利要求2所述的方法，其中，所述深度神经网络包括VoxelNet。4.根据权利要求2所述的方法，其中，所述几何信息的先验包括Real-Time3DSegmentationofClutteredScenesforRobotGrasping。5.根据权利要求1所述的方法，其中，根据所述运动方向并利用路径规划，求得所述机械臂在所述候选物体表面的接触点。6.根据权利要求1所述的方法，其中，与所述机械臂连接的力传感器检测施加的所述作用力之后，还包括：若在所述作用力到达所述预设阈值时，所述候选物体的点云组未发生移动时，则判定所述候选物体的点云组不是物体，返回所述步骤S1。7.根据权利要求1所述的方法，其中，验证所述候选物体的点云组包括：使用光流或者densecorrespondence验证所述候选物体的点云组。8.根据权利要求1所述的方法，其中，验证所述候选物体的点云组之后，还包括：若验证结果是所述候选物体的点云组属于多个个物体，随机挑选其中一个物体，根据所...
【专利技术属性】
技术研发人员：卢策吾，方浩树，
申请(专利权)人：上海非夕机器人科技有限公司，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。