【技术实现步骤摘要】
训练从对象图像中识别对象的对象拓扑的机器学习模型的设备和方法
[0001]本公开涉及用于训练用于从对象图像中识别对象的对象拓扑的机器学习模型的设备和方法。
技术介绍
[0002]为了实现通过机器人灵活地制造或加工对象，期望的是：机器人能够操作对象，而不考虑对象在机器人工作空间中安置的姿态。因此，机器人应该能够识别对象的哪个部分处于哪个位置，使得所述机器人例如可以在正确的部位处抓取对象，以便将所述对象例如固定在其他的对象处，或者将该对象焊接在当前地点处。这意味着：机器人应该能够从通过固定在机器人处的相机记录的一个或多个图像中识别对象的拓扑（表面）。用于实现其的方案在于：为对象的部分（即对象的在图像平面中代表的像素）确定在预先限定的描述符空间中的描述符、即点（向量），其中训练机器人，以与对象当前姿态无关地将相同的描述符分配给对象的相同部分。
[0003]在Peter Florence等人的公开文献
ꢀ“
Dense Object Nets: Learning Dense Visual Object Des...
【技术保护点】
【技术特征摘要】
1.一种用于训练用于从对象图像中识别对象的对象拓扑的机器学习模型的方法，所述方法包括如下：获得所述对象的3D模型，其中所述3D模型包括顶点的网格；确定所述网格的每个顶点的描述符分量值；产生训练数据图像对，其中每个训练数据图像对包括显示所述对象的训练输入图像和目标图像，并且其中产生所述目标图像包括如下：确定所述对象的对象模型的顶点的顶点位置，所述顶点在所述训练输入图像中具有所述顶点位置；针对所述训练输入图像中的每个确定的顶点位置将针对在所述顶点位置处的所述顶点确定的描述符分量值分配给所述目标图像中的位置；和适配分配给所述目标图像中的位置的至少一些描述符分量值或者将描述符分量值添加给所述目标图像的位置，使得适配或添加分配给所述对象内的且在距所述目标图像中的对象边缘预设的间距内的位置的描述符分量值，以至于所述描述符分量值与分配给所述对象内部中的位置的描述符分量值相比更靠近分配给所述对象外部的位置的描述符分量值，其中所述对象内部中的位置距所述对象边缘比所述预设的间距更远；和使用所述训练数据图像对作为训练数据通过监督学习来训练所述机器学习模型。2. 根据权利要求1所述的方法，具有确定所述网格的每个顶点的描述符，其中所述描述符是具有多个通道中的每个通道的向量分量的向量，并且适配通道的描述符分量值，使得适配所述通道的分配给所述对象内的且距所述目标图像中的对象边缘预设间距内的位置的描述符分量值，以至于所述描述符分量值与所述通道的分配给所述对象内部中的位置的描述符分量值相比更靠近所述通道的分配给所述对象外的位置的描述符分量值，其中所述对象内部中的位置距所述对象边缘比所述预设的间距更远；和/或添加具有描述符分量值的通道，使得所添加的通道的分配给所述对象内的且距所述目标图像中的对象边缘预设间距内的位置的描述符分量值，与所添加的通道的分配给所述对象内部中的位置的描述符分量值相比更靠近所添加的通道的分配给所述对象外的位置的描述符分量值，其中所述对象内部中的位置距所述对象边缘比所述预设的间距更远。3.根据权利要求2所述的方法，其中所述多个通道中的一个通道通过所添加的通道替换。4.根据权利要求2或3所述的方法，其中选择所添加的通道的描述符分量值，使得当始于所述对象外的位置直至所述对象中心中的位置来遍历位置时所述描述符分量值单调变化。5.根据权利要求1至4中任一项所述的方法，其中适配描述符分量值，使得将分配给所述对象内的预设的间距内的位置的描述符分量值和分配给所述对象外的位置的描述符分量值均衡。6.根据权利要求1至5中任一项所述的方法，其中产生所述训练数据图像对包括：获得所述对象以不同姿态的多个图像，并从所获得的每个图像中通过产生针对所获得的图像的目标图像来产生训练数据图像对。7.根据权利要求1至6中任一项所述的方法，包括从所述对象在所...
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。