一种任意形状物体的抓取点确定方法技术

本发明专利技术提供了一种任意形状物体的抓取点确定方法，包括以下步骤：获取目标物体的可抓取部位概率图；对可抓取部位概率图进行二值化处理，获得连通域的二值图像；识别并计算连通域的凸度，并判断凸度与预设值V1大小；当凸度≥预设值V1，判断目标物体的重心在目标物本体上，则确定连通域的重心为抓取点；当凸度＜预设值V1，判断目标物体的重心在目标物本体外，则确定连通域的最大内接矩形中心或最大内接圆中心为抓取点。其能够对任意形状(如重心在本体上的物体，或重心不在本体上的非凸型物体)的目标物的抓取点进行确定。体)的目标物的抓取点进行确定。体)的目标物的抓取点进行确定。

【技术实现步骤摘要】
一种任意形状物体的抓取点确定方法


[0001]本专利技术属于机器人领域，涉及物体的抓取点识别技术，具体为一种任意形状物体的抓取点确定方法。

技术介绍

[0002]随着工业智能化的发展，工业机器人逐渐代替了工人对物体的操作，例如，对物体的抓取、移动、组装等操作，都是通过工业机器人实现的，其能够提高作业效率、降低工人的工作强度、降低作业的失误率、确保产品质量稳定。
[0003]当前，工业机器人对目标物体的抓取、移动、组装等操作过程，都是通过对目标物的上抓取点进行识别并确的。目前，通常是采用深度学习模型进行抓取点的确定。由于物体的形状是多种多样的，包括重心在本体上的物体和重心不在本体上的物体，在实际操作过程中，对于重心在本体上的目标物，模型判断出的抓取点在本体上，使工业机器人对目标物进行抓取操作；但是对于例如非凸型物体如环状、马蹄型等重心不在本体上的目标物，模型判断出的抓取点往往在中空部位而不在本体上，使工业机器人无法进行抓取操作。
[0004]因此，需要对现有的目标物的抓取点确认方法进行改进，以确保其能够对任意形状物体的抓取点进行确定，实现工业机器人的抓取操作。

技术实现思路

[0005]本专利技术的目的在于提供一种任意形状物体的抓取点确定方法，其能够对任意形状(如重心在本体上的物体，或重心不在本体上的非凸型物体)的目标物的抓取点进行确定。
[0006]实现专利技术目的的技术方案如下：
[0007]第一方面，本专利技术提供了一种任意形状物体的抓取点确定方法，包括以下步骤：<br/>[0008]获取目标物体的可抓取部位概率图；
[0009]对可抓取部位概率图进行二值化处理，获得连通域的二值图像；
[0010]识别并计算连通域的凸度，并判断凸度与预设值V1大小；
[0011]当凸度≥预设值V1，判断目标物体的重心在目标物本体上，则确定连通域的重心为抓取点；
[0012]当凸度＜预设值V1，判断目标物体的重心在目标物本体外，则确定连通域的最大内接矩形中心或最大内接圆中心为抓取点。
[0013]可选的，连通域的最大内接矩形中心或最大内接圆中心为抓取点的确定方法为：
[0014]当凸度＜预设值V1时，确定连通域的最小外接矩形；
[0015]计算最小外接矩形的长边与宽边的比值a；
[0016]当比值a＞预设值V2时，则确定连通域的最大内接矩形中心为抓取点；
[0017]当比值a≤预设值V2时，则确定连通域的最大内接圆中心为抓取点。
[0018]可选的，连通域、最大内接矩形、最大内接圆、最大内接矩形通过像素梯度进行识别。
[0019]可选的，获取目标物体的可抓取部位概率图，包括以下步骤：
[0020]获取目标物体的图像；
[0021]将图像输入深度学习模型内进行训练，输出目标物体的可抓取部位概率图。
[0022]可选的，连通域的凸度的定义及计算方法为：
[0023]获取连通域的外包围凸多边形；
[0024]分别计算连通域的面积b和外包围凸多边形的面积c；
[0025]计算并定义b/c的比值为凸度。
[0026]第二方面，本专利技术提供了一种任意形状物体的抓取点确定方法，包括以下步骤：
[0027]获取物体集的可抓取部位概率图；
[0028]对可抓取部位概率图进行二值化处理获得二值图像，二值图像内包括至少2个连通域，每个连通域对应于1个目标物体；
[0029]识别并计算各目标物体的连通域的凸度，并判断凸度与预设值V1大小；
[0030]当凸度≥预设值V1，判断与连通域对应的目标物体的重心在目标物本体上，则确定该连通域的重心为抓取点；
[0031]当凸度＜预设值V1，判断与连通域对应的目标物体的重心在目标物本体外，则确定该连通域的最大内接矩形中心或最大内接圆中心为抓取点。
[0032]可选的，连通域的最大内接矩形中心或最大内接圆中心为抓取点的确定方法为：
[0033]当凸度＜预设值V1时，确定连通域的最小外接矩形；
[0034]计算最小外接矩形的长边与宽边的比值a；
[0035]当比值a＞预设值V2时，则确定连通域的最大内接矩形中心为抓取点；
[0036]当比值a≤预设值V2时，则确定连通域的最大内接圆中心为抓取点。
[0037]可选的，连通域、最大内接矩形、最大内接圆、最大内接矩形通过像素梯度进行识别。
[0038]可选的，获取物体集的可抓取部位概率图，包括以下步骤：
[0039]获取物体集的图像；
[0040]将图像输入深度学习模型内进行训练，输出物体集的可抓取部位概率图。
[0041]可选的，连通域的凸度的定义及计算方法为：
[0042]获取连通域的外包围凸多边形；
[0043]分别计算所述连通域的面积b和所述外包围凸多边形的面积c；
[0044]计算并定义b/c的比值为凸度。
[0045]与现有技术相比，本专利技术的有益效果是：本专利技术的任意形状物体的抓取点确定方法，通过计算连通域的凸度，将凸度与预设值V1比较，判断任意形状物体的重心是否在本体上。对于重心不在本体上的目标物体，通过引入连通域的最大内接矩形，结合预设值V2判断目标物体的抓取点在该连通域的最大内接矩形中心或最大内接圆中心。
附图说明
[0046]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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，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获得其他的附图。
[0047]图1为本专利技术实施例1的任意形状物体的抓取点确定方法的流程图；
[0048]图2为本专利技术实施例1及实施例2中连通域的最小外包围凸多边形的示意图；
[0049]图3为本专利技术实施例1及实施例2中连通域的最大内接矩形的示意图；
[0050]图4为本专利技术实施例1及实施例2中连通域的最大内接圆的示意图；
[0051]图5为本专利技术实施例2的任意形状物体的抓取点确定方法的流程图。
具体实施方式
[0052]下面结合具体实施例来进一步描述本专利技术，本专利技术的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本专利技术的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本专利技术的精神和范围下可以对本专利技术技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本专利技术的保护范围内。
[0053]在本实施例的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术创造和简化描述，而不是指示或暗示所指的装置或元件必须具有特定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种任意形状物体的抓取点确定方法，其特征在于，包括以下步骤：获取目标物体的可抓取部位概率图；对可抓取部位概率图进行二值化处理，获得连通域的二值图像；识别并计算连通域的凸度，并判断凸度与预设值V1大小；当凸度≥预设值V1，判断目标物体的重心在目标物本体上，则确定连通域的重心为抓取点；当凸度＜预设值V1，判断目标物体的重心在目标物本体外，则确定连通域的最大内接矩形中心或最大内接圆中心为抓取点。2.根据权利要求1所述的任意形状物体的抓取点确定方法，其特征在于，所述连通域的最大内接矩形中心或最大内接圆中心为抓取点的确定方法为：当凸度＜预设值V1时，确定所述连通域的最小外接矩形；计算所述最小外接矩形的长边与宽边的比值a；当比值a＞预设值V2时，则确定所述连通域的所述最大内接矩形中心为抓取点；当比值a≤预设值V2时，则确定所述连通域的所述最大内接圆中心为抓取点。3.根据权利要求2所述的任意形状物体的抓取点确定方法，其特征在于，所述连通域、所述最大内接矩形、所述最大内接圆、所述最大内接矩形通过像素梯度进行识别。4.根据权利要求1所述的任意形状物体的抓取点确定方法，其特征在于，所述获取目标物体的可抓取部位概率图，包括以下步骤：获取目标物体的图像；将所述图像输入深度学习模型内进行训练，输出所述目标物体的可抓取部位概率图。5.根据权利要求1所述的任意形状物体的抓取点确定方法，其特征在于，所述连通域的所述凸度的定义及计算方法为：获取所述连通域的外包围凸多边形；分别计算所述连通域的面积b和所述外包围凸多边形的面积c；计算并定义b/c的比值为所述凸度。6.一种任意形状物体的抓取点确定方法，其特征在于，包括以下...

【专利技术属性】
技术研发人员：段文杰，夏冬青，丁有爽，邵天兰，
申请(专利权)人：梅卡曼德北京机器人科技有限公司，
类型：发明
国别省市：