【技术实现步骤摘要】
基于深度神经网络的多指灵巧手抓取手势规划方法
[0001]本专利技术涉及利用计算机视觉的机器人控制领域,尤其涉及一种基于深度神经网络的多指灵巧手抓取手势规划方法。
技术介绍
[0002]物体抓取操作作为机器人的基本功能,一直是机器人领域的一个重要的研究方向。一般来说,抓取规划算法分为分析法和经验法。为了实现多指灵巧手抓取物体,分析法都是通过物体的精确三维模型来确定多指灵巧手的抓取位姿和手势,而现实环境中通常难以获取物体三维信息,这就大大限制了多指灵巧手在实际场景中的应用。之后基于深度学习的经验法被广泛应用于抓取规划,但是其中大部分工作只考虑了简单夹持器的抓取规划。由于多指灵巧手不能像夹持器一样直接闭合,对应的抓取规划需要考虑多指灵巧手的高维关节空间,因此现有针对夹持器的抓取规划方法无法直接用在更加复杂的多指灵巧手抓取规划中。
[0003]有鉴于此,特提出本专利技术。
技术实现思路
[0004]本专利技术的目的是提供了一种基于深度神经网络的多指灵巧手抓取手势规划方法,能实现对未知物体的精细抓取,使多指灵巧手抓取不受未知物体限制,从而提高多指灵巧手的抓取成功率,很好的解决现有技术中存在的上述技术问题。
[0005]本专利技术的目的是通过以下技术方案实现的:本专利技术实施方式提供一种基于深度神经网络的多指灵巧手抓取手势规划方法,用于由机械臂末端设置的多指灵巧手和深度相机组成的物体抓取系统对目标物体的抓取操作中,包括:步骤1,根据所述深度相机采集的包含目标物体的深度图像,利用抓取框检测网络确定 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度神经网络的多指灵巧手抓取手势规划方法,用于由机械臂末端设置的多指灵巧手和深度相机组成的物体抓取系统对目标物体的抓取操作中,其特征在于,包括:步骤1,根据所述深度相机采集的包含目标物体的深度图像,利用抓取框检测网络确定多指灵巧手的相对目标物体的手掌第一位姿;步骤2,通过所述深度相机的相机坐标系与世界坐标系的转换关系,得出所述多指灵巧手在世界坐标系中的手掌第二位姿;步骤3,根据得出所述包含目标物体的深度图像和手掌第二位姿,利用手势预测网络得出初始抓取手势;步骤4,将初始抓取手势、手掌第一位姿、包含目标物体的深度图像分别输入预先训练好的抓取质量评估网络中,依据设定的作为抓取质量评估指标的力封闭指标得出抓取质量的评估值相对所述多指灵巧手的初始抓取手势的梯度;步骤5,在所述多指灵巧手的关节空间中利用梯度上升算法,沿所述步骤3得出的抓取质量的评估值相对所述多指灵巧手的初始抓取手势的梯度上升的方向不断更新抓取手势,确定每次迭代的步长,不断前向和反向迭代直到梯度收敛,得出使抓取质量评估值达到局部最优的抓取手势,将局部最优的抓取手势与手掌第二位姿结合作为控制所述多指灵巧手的最终抓取位形。2.根据权利要求1所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述步骤1中,抓取框检测网络按以下方式确定多指灵巧手的相对目标物体的手掌位姿,包括:所述抓取框检测网络根据所述深度相机采集的包含单个目标物体的深度图像筛选出该目标物体的最优抓取框,最优抓取框的中心点对应于所述多指灵巧手相对物体的掌心坐标,最优抓取框的旋转角度对应于所述多指灵巧手绕目标物体坐标系z轴逆时针旋转的角度,根据最优抓取框的中心点和最优抓取框的旋转角度确定多指灵巧手的手掌相对目标物体的手掌第一位姿。3.根据权利要求1或2所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述抓取框检测网络采用三级串联卷积神经网络。4.根据权利要求1或2所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述步骤2中,按以下方式通过所述深度相机的相机坐标系与世界坐标系的转换关系,得出所述多指灵巧手在世界坐标系中的手掌第二位姿,包括:通过相机坐标系和世界坐标系的转换关系,得到所述多指灵巧手的掌心在世界坐标系W中的实际位置和手掌坐标系P相对于世界坐标系的旋转矩阵,根据所述旋转矩阵得到所述多指灵巧手在世界坐标系W中的手掌第二位姿。5.根据权利要求2所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述步骤3中,按以下方式根据得出所述包含目标物体的深度图像和手掌第二位姿,利用手势预测网络得出初始抓取手势,包括:根据筛选出目标物体的最优抓取框的坐标,在所述深度图像上裁剪出目标物体局部深度图和目标物体全局深度图,将所述目标物体局部深度图、目标物体全局深度图和手掌第一位姿作为所述抓取手势预测网络的输入,由所述抓取手势预测网络输出得到初始抓取手势;
所述目标物体局部深度图是以最优抓取框的中心点为中心,长边与最优抓取框的长边平行的大小为64
×
128的深度图;所述目标物体全局深度图是以最优抓取框的中心点为中心,长边与最优抓取框的长边平行的大小为128
×
128的深度图。6.根据权利要求1或5所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述抓取手势预测网络构采用CNN
‑
5网络。7.根据权利要求5所述的基于深度神经网络的多指灵巧手抓取手势规划方法,其特征在于,所述步骤4中,按以下方式将初始抓取手势、手掌第一位姿、包含目标物体的深度图像分别输入预先训练好的抓取质量评估网络中,依据设定的作为抓取质量评估指标的力封闭指标得出抓取质量的评估值相对所述多指灵巧手抓取手势的梯度,包括:将所述初始抓取手势...
【专利技术属性】
技术研发人员:尚伟伟,何浩源,汤新胜,张飞,江俊,
申请(专利权)人:中国科学技术大学,
类型:发明
国别省市:
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。