【技术实现步骤摘要】
【国外来华专利技术】用于训练机器学习模型以从对象的图像中识别对象的对象拓扑的设备和方法
[0001]本公开涉及用于训练机器学习模型以从对象的图像中识别对象的对象拓扑的设备和方法。
[0002]为了允许机器人灵活地生产或处理对象，合期望的是机器人能够处理对象，而不管对象在机器人的工作空间中以何种姿态放置。因此，机器人应当能够识别对象的哪些部分位于哪些位置，使得它可以例如在正确的位置抓取对象，例如用于将其安装在另一个对象上，或者在当前位置焊接对象。这意味着机器人应当能够例如从安装在机器人上的相机取得的一个或多个图像中识别对象的（表面）拓扑。实现此的方法是要确定描述符，即预定义描述符空间中的点（向量）到对象的部分（即图像平面中表示的对象的像素），其中机器人被训练为独立于对象的当前姿态将相同的描述符分配到对象的相同部分。
[0003]在Peter Florence等人的出版物“Dense Object Nets：Learning Dense Visual Object Descriptors By and For Robotic Manipulation”（在下文中被称...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于训练机器学习模型以从对象的图像中识别对象的对象拓扑的方法，所述方法包括：获得所述对象的3D模型，其中所述3D模型包括由边连接的顶点的网格，其中每个边具有指定所述对象中由所述边连接的两个顶点的接近度的权重；通过搜索顶点的描述符来确定所述网格的每个顶点的描述符，所述顶点的描述符最小化由顶点对之间的边的权重加权的顶点对的描述符之间的距离在连接顶点对之上的和；生成训练数据图像对，其中每个训练数据图像对包括示出对象和目标图像的训练输入图像，并且其中生成目标图像包括确定对象的对象模型的顶点在训练输入图像中顶点具有的顶点位置；和对于训练输入图像中的每个确定的顶点位置，将为顶点位置处的顶点确定的描述符分配给目标图像中的位置；以及使用训练数据图像对作为训练数据，通过监督学习来训练机器学习模型。2.根据权利要求1所述的方法，其中，生成训练数据图像对包括获得不同姿态中的对象的多个图像，并通过为获得的图像生成目标图像来从每个获得的图像生成训练数据图像对。3.根据权利要求1或2所述的方法，包括从所述对象在训练输入图像中具有的相应姿态，确定对象的对象模型的顶点在训练输入图像中顶点具有的顶点位置。4.根据权利要求1至3中任一项所述的方法，其中搜索描述符包括确定由3D模型的顶点和边形成的图的拉普拉斯算子矩阵的特征向量，并将特征向量的分量取作描述符的分量。5.根据权利要求4所述的方法，包括关联与特征向量中的分量位置相关联的每个顶点，并且对于每个顶点，将特征向量中与所述顶点相关联的分量位置处的分量取作所述顶点的描...
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。