生成用于监督学习的训练数据以训练神经网络的方法技术

根据各种实施方式描述用于生成用于监督学习的训练数据的方法，所述训练数据用于训练神经网络以从对象的多个数字图像中标识出用于与该对象交互的对象部位，该方法包括：为多个训练对象中的每一个获取训练对象的至少一个数字参考图像和多个其他图像；针对每个训练对象指定训练对象的至少一个部位；将所述至少一个参考图像映射到描述符图像，标识所述至少一个指定部位的描述符；将训练对象的其他图像映射到其他描述符图像；并通过在其他图像中定位如下点确定所述其他图像中的部位，在其他描述符图像中这些点的描述符对应于所述至少一个指定部位的所标识的描述符；和通过标记针对训练对象的所述其他图像的所确定的部位生成用于监督学习的训练数据。用于监督学习的训练数据。用于监督学习的训练数据。

【技术实现步骤摘要】
生成用于监督学习的训练数据以训练神经网络的方法


[0001]本公开涉及用于生成用于监督学习的训练数据的方法，其中所述训练数据用于训练神经网络以从对象的多个数字图像中标识出用于与这些对象交互的对象部位。

技术介绍

[0002]为了使机器人能够灵活地制造或加工对象而期望：机器人能够拾取（例如抓取）对象，而不管该对象在机器人的工作空间中的放置位置，并且还能够拾取尚未见过的对象变体。
[0003]存在几种方法例如用于：在机器人从容器中取出对象（英文bin picking（箱中取物））时识别出最有希望从容器中成功取出对象的抓取部位（Stelle）。这些方法通常使用相应场景的彩色（例如，RGB）图像和深度图像，其中在某些情况下，要么使用彩色图像要么使用深度图像就足够。此外，这些方法中的大多数都依赖于 KI 方法，例如使用神经网络来学到输入数据和有希望的抓取点之间的分配。这些方法的困难在于泛化到不同的输入，例如新的场景/背景、对象的新形状、对象的不同外观/颜色等。这在网络基于合成数据而被训练的情况下、例如在仿真或图像再现引擎（Bildwiederga本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于生成用于监督学习的训练数据的方法，其中所述训练数据用于训练神经网络以从对象的多个数字图像中标识出用于与所述对象交互的对象部位，所述方法包括：为多个训练对象中的每一个获取所述训练对象的至少一个数字参考图像和多个其他图像；针对每个训练对象，指定训练对象的至少一个部位；将所述至少一个参考图像映射到描述符图像，标识所述至少一个指定部位的描述符；将所述训练对象的其他图像映射到其他描述符图像；并通过在其他图像中定位如下点来确定所述其他图像中的部位，在所述其他描述符图像中所述点的描述符对应于所述至少一个指定部位的所标识的描述符；和通过标记针对所述训练对象的所述其他图像的所确定的部位来生成用于监督学习的训练数据。2.根据权利要求1所述的方法，其中，标记针对所述其他图像的所标识的部位包括：为所述其他图像生成针对神经网络的目标数据，其中所述目标数据标识出所确定的部位。3.根据权利要求1或2所述的方法，其中，所述目标数据说明了针对在相应的其他图像中的对象的点而言与所述对象交互的质量。4.根据权利要求1至3中任一项所述的方法，包括：通过密集对象网络将所述至少一个参考图像映射到所述描述符图像并且将所述其他图像映射到所述其他描述符图像。5.根据权利要求1至4中任一项所述的方法，其中，所述指定部位是适合与所述训练对象交互...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：罗伯特，
类型：发明
国别省市：