目标物的抓取、模型训练方法、装置、系统及存储介质制造方法及图纸

本申请提供一种目标物的抓取、模型训练、装置、存储介质及设备。其中，目标物的抓取方法包括：获取目标物的N组图片，其中，N为大于等于2的整数；每组图片包括一一对应的二维信息图和三维信息图；N组图片为围绕Z轴成N个预设旋转角度的图片；将N组图片分别输入识别模型，输出N组Q值；选取N组Q值中的最大Q值对应的点作为目标物的抓取点，确定抓取点的坐标；基于抓取点的坐标，结合抓取策略，生成抓取指令，通过抓取指令指示执行器抓取目标物。通过该方法可以提高在某些复杂情况下目标物抓取的成功率。以提高在某些复杂情况下目标物抓取的成功率。以提高在某些复杂情况下目标物抓取的成功率。

【技术实现步骤摘要】
目标物的抓取、模型训练方法、装置、系统及存储介质


[0001]本申请涉及人工智能
，特别是涉及一种目标物的抓取、模型训练方法、装置、系统及存储介质。

技术介绍

[0002]基于人工智能的目标物自动化抓取得到越来越广泛的应用。然而，现有的基于人工智能模型识别目标物的抓取点进行抓取的方法在某些复杂情况下，比如：未预先得知目标物模型(比如：柔性物体)或多个目标物发生堆叠，抓取成功率不高；另外，人工智能模型的监督学习训练方法往往需要大量的训练样本数据和标注，因此训练及部署过程繁琐，时间、人工等成本也都较高。

技术实现思路

[0003]本申请提供一种目标物的抓取、模型训练方法、装置、系统及存储介质，提高在某些复杂情况下目标物抓取的成功率。
[0004]第一方面，本申请实施方式提供一种目标物的抓取方法，所述方法包括：
[0005]获取目标物的N组图片，其中，N为大于等于2的整数；所述每组图片包括一一对应的二维信息图和三维信息图；所述N组图片为围绕Z轴成N个预设旋转角度的图片；
[0006]将所述N组图片分别输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标物的抓取方法，其特征在于，所述方法包括：获取目标物的N组图片，其中，N为大于等于2的整数；所述每组图片包括一一对应的二维信息图和三维信息图；所述N组图片为围绕Z轴成N个预设旋转角度的图片；将所述N组图片分别输入识别模型，输出N组Q值；选取所述N组Q值中的最大Q值对应的点作为目标物的抓取点；确定所述抓取点的坐标；基于所述抓取点的坐标，结合抓取策略，生成抓取指令，通过所述抓取指令指示执行器抓取目标物。2.根据权利要求1所述的目标物的抓取方法，其特征在于，所述获取目标物的N组图片之前还包括：获取目标物的一组初始图片；所述初始图片中包括所述二维信息图和所述三维信息图；将所述初始图片围绕Z轴依序旋转N
‑
1个所述预设角度，得到N
‑
1组旋转图片，使得所述一组初始图片和所述N
‑
1组旋转图片共同组成所述N组图片。3.根据权利要求1或2所述的目标物的抓取方法，其特征在于，所述将所述N组图片分别输入识别模型之前，还包括：对所述二维信息图和三维信息图进行预处理。4.根据权利要求1或2所述的目标物的抓取方法，其特征在于，所述二维信息图为：RGB图、黑白图或灰度图；和/或所述三维信息图为：深度图或点云。5.根据权利要求1或2所述的目标物的抓取方法，其特征在于，所述N组Q值中的每组Q值为与所述图片尺寸对应的一张Q值图。6.根据权利要求1或2所述的目标物的抓取方法，其特征在于，所述抓取点的坐标为X、Y、Z、RT；所述确定所述抓取点的坐标包括：基于所述图片围绕所述Z轴的所述旋转角度确定所述RT坐标；基于所述二维信息图、所述三维信息图或Q值图确定所述X、Y坐标；基于所述三维信息图确定所述Z坐标。7.根据权利要求1或2所述的目标物的抓取方法，其特征在于，所述方法还包括：判断抓取是否成功；若判断结果为否，重复执行所述目标物抓取的方法直到满足预设次数；重复执行识别模型的训练方法步骤；和/或向所述执行器发送放弃抓取指令。8.一种识别模型的训练方法，其特征在于，所述方法包括：获取目标物的当前N组图片，其中，N为大于等于2的整数；所述每组图片包括一一对应的二维信息图和三维信息图；所述N组图片为围绕Z轴成N个预设旋转角度的图片；将所述当前N组图片分别输入所述识别模型，输出N组当前Q值；选取所述N组当前Q值中最大Q值对应的点作为目标物的当前抓取点；确定所述当前抓取点的坐标；基于所述当前抓取点的坐标，结合抓取策略，生成当前抓取指令，通过所述当前抓取指令控制执行器抓取目标物；
获取针对所述执行器抓取所述目标物的动作给与的当前抓取反馈；基于所述当前抓取反馈对所述识别模型进行迭代更新，直到满足终止条件。9.根据权利要求8所述的识别模型训练方法，其特征在于，所述基于所述当前抓取反馈对所述模型进行迭代更新包括：生成...

【专利技术属性】
技术研发人员：李高，陈振翔，
申请(专利权)人：鲁班嫡系机器人深圳有限公司，
类型：发明
国别省市：