【技术实现步骤摘要】
机器人的物体抓取判别方法
本专利技术涉及图像分类
，具体为机器人的物体抓取判别方法。
技术介绍
现如今，机器人相关技术发展迅速，服务机器人已经逐渐融入人类的生产生活中，并给人类生活带来便利。机器人在抓取物体时，被抓取物体的一些参数，例如形状、大小等都是未知的，抓取能力不足严重影响着工业机器人的普及。目前，针对机器人运动路径规划与控制、物体抓取位置判别、智能学习的相关研究有很多，其中建立抓取分类器并检测最优抓取是完成其他更高层次任务操作的第一步。传统的机器人抓取研究思路是：依靠人工经验提取用于机器人抓取操作的样本特征。特征提取的好坏就成为左右机器人物体抓取性能的重要因素。然而手工设计提取的特征十分有限，而且在描述一个物体时并不十分准确，缺乏良好的泛化性能。使机器人不具备灵活性和自主性。若要针对机器人物体抓取的问题提取合适的特征，可能要花费很长的时间，而且用人工经验提取样本特征的方法使得机器人抓取物体的成功率也不高。与人工设计的特征提取方法相比，深度神经网络用自主方式学习到的特征更具有代表性。近年来，基于多模态的深度学习算法在无监督学习中取得了显著效果，尤其是在...
【技术保护点】
1.一种机器人的物体抓取判别方法，其特征在于，该方法是采用如下步骤实现的：步骤S1、利用RGB‑D相机采集机器人待抓取物体的彩色和深度图像，采用二维平面的矩形抓取框来表达目标区域的可抓取性，然后提取每个矩形抓取框内包含的RGB‑D彩色子图像和深度子图像，对彩色子图像和深度子图像进行白化预处理；步骤S2、对步骤S1中得到的每个矩形抓取框内的彩色子图像，利用基于局部感受野的方法提取彩色子图像的底层特征，具体步骤如下：步骤S21）、对彩色子图像进行R、G、B向量分离，以更充分地提取待抓取物体的彩色特征，有效避免外界干扰；步骤S22）、将分离的彩色图像R、G、B三通道的向量作为输入...
【技术特征摘要】
1.一种机器人的物体抓取判别方法，其特征在于，该方法是采用如下步骤实现的：步骤S1、利用RGB-D相机采集机器人待抓取物体的彩色和深度图像，采用二维平面的矩形抓取框来表达目标区域的可抓取性，然后提取每个矩形抓取框内包含的RGB-D彩色子图像和深度子图像，对彩色子图像和深度子图像进行白化预处理；步骤S2、对步骤S1中得到的每个矩形抓取框内的彩色子图像，利用基于局部感受野的方法提取彩色子图像的底层特征，具体步骤如下：步骤S21）、对彩色子图像进行R、G、B向量分离，以更充分地提取待抓取物体的彩色特征，有效避免外界干扰；步骤S22）、将分离的彩色图像R、G、B三通道的向量作为输入层，随机产生三个颜色通道的输入层和隐含层之间的初始权重；步骤S23）、对初始权重进行奇异值分解正交化；步骤S24）、使用步骤S23）生成的局部感受野，对彩色子图像的R、G、B三通道的向量进行卷积特征映射，并将R、G、B三通道卷积后的特征组合到一起；步骤S25）、对卷积特征映射形成的组合节点的值进行平方根池化，得到彩色子图像的底层特征；步骤S3、将每个矩形抓取框内的彩色子图像...
【专利技术属性】
技术研发人员：续欣莹，王召新，韩晓明，谢刚，谢新林，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西,14
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。