目标获取方法、设备和计算机可读存储介质技术

本发明专利技术公开一种目标获取方法、设备和计算机可读存储介质，所述目标获取方法包括：所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。本发明专利技术具有自动分拣堆叠物体，提高机器人分拣的成功率的效果。

【技术实现步骤摘要】
目标获取方法、设备和计算机可读存储介质
本专利技术涉及机器人分拣领域，特别涉及目标获取方法、设备和计算机可读存储介质。
技术介绍
目前随着物流自动化的发展，机器人分拣也越来越火热。越来越多的货物需要快速进行分拣。在实际操作中，许多货物堆叠在一起，需要进行分拣。但是，现有的分拣方案中，货物堆叠在一起，通常采用人工进行分拣，因此效率较低。
技术实现思路
本专利技术的主要目的是提供目标获取方法、设备和计算机可读存储介质，旨在自动分拣堆叠物体，提高机器人分拣的成功率。为实现上述目的，本专利技术提出的一种目标获取方法，用于机器人分拣重叠物体，所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。可选的，所述目标获取方法还包括：获得多个训练图像；根据输入指令获得所述训练图像中完整度达到70％的物体的标注；根据所述训练图像和对应的标注对神经网络进行训练。可选的，所述计算分割所述第一图像的二维信息中的每一物体包括：通过FullyConvolutionalInstance-awareSemanticSegmentation分割图片中每一个物体。可选的，所述根据目标的像素点集获得所述目标的边框信息包括：根据目标的像素点集以及RANSAC方法提取出目标的边框。可选的，所述目标获取方法还包括：获得通过第二视觉结构拍摄所述目标的第二图像；根据所述第二图像的三维信息获得所述目标的当前姿态；在所述当前姿态未匹配预设姿态时，控制所述机械手调整姿态，以使所述目标处于预设姿态。本专利技术还提供了一种目标获取设备，所述目标获取设备包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的目标获取程序，所述目标获取程序被所述处理器执行时实现如下步骤：获得通过位于上方的第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；根据所要获取的目标的像素点集获得目标的边框信息，以及根据第一图像的三维信息获得目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。可选的，所述目标获取程序被所述处理器执行时还实现如下步骤：获得多个训练图像；根据输入指令获得所述训练图像中完整度达到70％的物体的标注；根据所述训练图像和对应的标注对神经网络进行训练。可选的，所述计算分割所述第一图像的二维信息中的每一物体包括：通过FullyConvolutionalInstance-awareSemanticSegmentation分割图片中每一个物体。。可选的，所述目标获取程序被所述处理器执行时还执行如下步骤：获得通过位于下方的第二视觉结构拍摄所述目标的第二图像；根据所述第二图像的三维信息获得所述目标的当前姿态；在所述当前姿态未匹配预设姿态时，控制所述机械手调整获取动作，以使所述目标处于预设姿态。本专利技术还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有目标获取程序，所述目标获取程序被处理器执行时实现如上述的目标获取方法的步骤。本专利技术所提供的目标获取方法，通过第一视觉结构获得第一图像，并且通过第一图像中的二维信息来识别需要获取的目标。然后在通过二维信息和三维信息的结合，获得机械手需要横向移动的量，以及需要纵向移动的量。最后通过机械手移动来获取目标。因此，在本实施例中，通过二维和三维信息的结合，达到了拍摄多个物体、从多个物体中识别需要获取的目标，并且获得目标的位置，以供机械手进行获取。该过程全程自动处理，不需要人工干预，从而具有自动化的效果。并且本实施例通过二维和三维的结合，通过二维信息进行目标识别，以及获得目标的边框信息，再通过三维信息获得深度信息，该过程具有高效准确和方案精巧的效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。图1为本专利技术目标获取方法第一实施例的流程图；图2为如图1中目标获取方法的应用例的一示意图；图3为本专利技术目标获取方法第二实施例的部分流程图；图4为本专利技术目标获取方法第三实施例的部分流程图；本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一本实施例提出了一种目标获取方法，用于机器人分拣重叠物体。请结合参看图1和图2，所述目标获取方法包括：步骤S101，获得通过第一视觉结构100拍摄的第一图像。步骤S102，将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集。步骤S103，根据所要获取的目标300的像素点集获得所述目标300的边框信息，以及根据第一图像的三维信息获得所述目标300的深度信息。步骤S104，根据所述边框信息和深度信息控制机械手移动并获取目标300。在本实施例中，首先过得通过位于上方的第一视觉结构100拍摄的第一图像。其中，第一视觉结构100可以获得RGB图像和以及3D图像，例如安装两个单独的摄像头用于分别获得RGB图像和3D图像；或者采用双目摄像头既获得RGB图像可以通过计算获得3D图像。因此，本系统获得的第一图像中既包括RGB信息又包括3D信息。通常，机械手将由上向下去获取目标，然后带着目标向上移动。因此，本实施例中第一视觉结构100设于上方，朝向下方进行拍摄。在本实施例中，在获得所述第一图像之后，再将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集。其中，系统获取第一图像中的二维信息，例如：直接获得二维图像；或者从三维图像中去掉深度信息，而获得二维图像。然后，对二维图像作为神经网络的输入。预先训练的神经网络，能够在获得输入值时，根据预先训练而获得的计算式，计算获得输出值。其中，神经网络可以通过FullyConvolutionalInstance-awareSemanticSegmentation方案来进行卷积，分类和升维的操作。通过对二维信息进行卷积处理，能够高效和准确实施像素分类。在分类之后，再对降维后的图片进行升维处理，从而获得分类图像，达到分割所述第一图像的二维信息中的每一物体的效果。而分类图像与第一图像大小相同，则能够便于进行后续步骤中依据像素点集的识别边框操作。从而为机械手的平移，提供坐标。在本实施例中，在获得对应每一物体的像素点集之后，再根据所要获取的目标300的像素点集获得所述目标300的边框信息，以及根据第一图像的三维信息获得所述目标300的深度信息。其中，由于像素点集基本展示了目标300的大部分信息，因此通常能够计算获得目标300的边框，例如可以根据目标300的像素点集以及RANSA本文档来自技高网...

【技术保护点】
1.一种目标获取方法，用于机器人分拣重叠物体，其特征在于，所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。

【技术特征摘要】
1.一种目标获取方法，用于机器人分拣重叠物体，其特征在于，所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。2.如权利要求1所述的目标获取方法，其特征在于，所述目标获取方法还包括：获得多个训练图像；根据输入指令获得所述训练图像中完整度达到70％的物体的标注；根据所述训练图像和对应的标注对神经网络进行训练。3.如权利要求1所述的目标获取方法，其特征在于，所述计算分割所述第一图像的二维信息中的每一物体包括：通过FullyConvolutionalInstance-awareSemanticSegmentation分割图片中每一个物体。4.如权利要求1所述的目标获取方法，其特征在于，所述根据目标的像素点集获得所述目标的边框信息包括：根据目标的像素点集以及RANSAC方法提取出目标的边框。5.如权利要求1至4任一项所述的目标获取方法，其特征在于，所述目标获取方法还包括：获得通过第二视觉结构拍摄所述目标的第二图像；根据所述第二图像的三维信息获得所述目标的当前姿态；在所述当前姿态未匹配预设姿态时，控制所述机械手调整姿态，以使所述目标处于预设姿态。6.一种目标获取设备，其特征在于，所述目标获取设备包括处理器、存储器以及存储在所述存储器上...

【专利技术属性】
技术研发人员：吕仕杰，
申请(专利权)人：深圳蓝胖子机器人有限公司，
类型：发明
国别省市：广东,44