一种机器人抓取过程中的目标位姿识别方法技术

本发明专利技术涉及一种机器人抓取过程中的目标位姿识别方法，对待识别目标提出特征需求，并将需求参数化；通过所设计的神经网络，实现图像的特征提取、边界框生成、边界框修正等功能，完成在图像中检测目标并识别步骤一所提出的目标特征参数。通过对训练数据的准备、神经网络参数的合理选取以及大量图像数据集的训练，实现损失函数收敛。在损失函数收敛后，利用机器人的视觉系统，实现对目标的位姿识别与操作任务。该方法用于智能机器人操作任务中，快速准确的识别目标，并在获得识别信息后，实现对目标的抓取、转移、搬运等操作，本发明专利技术具有良好的识别速度快，准确性高、鲁棒性好等优点。

A method of target pose recognition in the process of robot grasping

【技术实现步骤摘要】
一种机器人抓取过程中的目标位姿识别方法
本专利技术属于机器人与人工智能领域，涉及一种机器人抓取过程中的目标位姿识别方法。
技术介绍
随着计算机、人工智能技术的发展，机器人在工业领域、危险场景以及家庭服务中有了越来越广泛的应用。不同于现有机器人在结构化环境下对合作目标的操作，智能机器人在复杂环境下，实现对未知目标的操作面临着巨大的挑战，其关键点在于对目标的检测与位姿识别，只有可靠检测出目标并准确估计出目标位姿，才可以完成抓取、搬运等操作任务。因此，对目标的位姿识别是十分必要的，也是开展智能机器人非结构化环境应用的基础。目前机器人对目标的位姿识别主要存在的问题包括只检测物体而不做识别，或仅依靠特征来区分有限种类物体。仅仅检测到物体并确定物体边缘并不能满足机器人对目标的操作要求，而识别有限种类物体具有很大局限性。因此，设计一种能够准确识别出操作目标位姿态并具有广泛性的方法是机器人操作的关键问题。已有的方法包括视角区域特征直方图识别法、视觉传感器三维建模法等，这些方法识别速度慢，准确率低，设备要求较高，比如三维建模需要RGB-D传感器并在多角度拍摄。今年来深度学习方法取得了很大进展，但已有的本文档来自技高网...

【技术保护点】
1.一种机器人抓取过程中的目标位姿识别方法，其特征在于步骤如下：步骤1：在惯性坐标系下，对被抓取目标采用5维参数描述：g＝{x,y,w,h,θ}式中(x,y)表示抓取目标几何中心坐标参数，(w,h)表示抓取结构参数，θ表示抓取姿态参数即二指抓取器相对水平轴的旋转角度；w为二指抓取器的张开角度，h为二指抓取器的宽度；对抓取姿态参数θ离散化：在水平轴[‑90°,90°]，内进行采样率为20的等间隔离散，得到离散数据表；步骤2：对包含被抓取目标的高为H，宽为W的图像，采用VGG16神经网络模型进行特征提取，特征提取的参数为：卷积核为3×3，步长为1，Padding参数为Same的卷积方式，得到高宽分...

【技术特征摘要】
1.一种机器人抓取过程中的目标位姿识别方法，其特征在于步骤如下：步骤1：在惯性坐标系下，对被抓取目标采用5维参数描述：g＝{x,y,w,h,θ}式中(x,y)表示抓取目标几何中心坐标参数，(w,h)表示抓取结构参数，θ表示抓取姿态参数即二指抓取器相对水平轴的旋转角度；w为二指抓取器的张开角度，h为二指抓取器的宽度；对抓取姿态参数θ离散化：在水平轴[-90°,90°]，内进行采样率为20的等间隔离散，得到离散数据表；步骤2：对包含被抓取目标的高为H，宽为W的图像，采用VGG16神经网络模型进行特征提取，特征提取的参数为：卷积核为3×3，步长为1，Padding参数为Same的卷积方式，得到高宽分别为H/16、W/16的包含被抓取目标图像的特征图；所述被抓取目标的真实边界框坐标为采用区域生成网络RPN对特征图进行处理，得到被抓取目标存在的区域；利用锚点Anchor法对被抓取目标存在的区域处理，得到候选边界框坐标为以LGIoU作为损失...

【专利技术属性】
技术研发人员：黄攀峰，韩冬，马志强，刘正雄，张帆，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61