本申请涉及一种抓取位置确定方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取待抓取对象的理论点云与目标面的第一实际点云；将第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从模板图像集中筛选目标面对应的第一目标图像，模板图像集包括基于理论点云生成的多个第一模板图像；确定第一目标图像中预设的第一抓取位置在第一测试图像中的第二抓取位置；将第二抓取位置映射到抓取设备坐标系中，得到第三抓取位置，并基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置。采用本方法能够准确确定待抓取对象的抓取位置。
1、在工业领域，对各种设备或物体进行抓取是生产过程中不可或缺的环节。在此基础上，如何实现对各种设备或物体进行抓取变得尤为重要，目前，通常采用的技术是采用抓取机器人对设备或物体进行自动化抓取。
2、以自动化进行阀块的抓取为例，目前，通常采用基于阀块轮廓提取的定位方法来实现对阀块的抓取。具体地，通过提取阀块的外围轮廓，计算阀块的外接框的信息，并将其转换至机器人坐标系，以结合阀块的深度信息，得到阀块上表面的中心点坐标和相对于机器人轴的偏转角度等位姿信息，并基于阀块上表面的中心点坐标和相对于机器人轴的偏转角度等位姿信息，得到对阀块的抓取位置。
>6、将第二抓取位置映射到抓取设备坐标系中，得到第三抓取位置，并基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置。7、在一些实施例中，基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置包括：
8、基于第一实际点云，得到待抓取对象的目标面在抓取设备坐标系中的空间模型；
9、将第三抓取位置代入空间模型，确定第三抓取位置对应的抓取高度，并获取第一测试图像相对于第一目标图像的旋转角度；
10、基于旋转角度、抓取高度、以及第三抓取位置，得到抓取设备坐标系中待抓取对象对应的目标抓取位置。
11、在一些实施例中，获取待抓取对象的目标面的第一实际点云，包括：
12、获取待抓取对象的待采集区域内的像素点深度图，并确定像素点深度图对应的第一候选实际点云；
13、对第一候选实际点云进行平面分割与噪声过滤，得到各分割后的平面的第二候选实际点云；
14、对第二候选实际点云平面进行聚类，得到待抓取对象的目标面的第一实际点云。
15、在一些实施例中，将第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从模板图像集中筛选目标面对应的第一目标图像，包括：
16、将第一实际点云的第一测试图像在模板图像集中进行特征匹配，得到模板图像集中多个模板图像分别对应的第一匹配评分；
17、从模板图像集中筛选第一匹配评分最高的第一目标图像。
18、在一些实施例中，还包括：
19、基于第一目标图像，确定待抓取对象类型；
20、识别与待抓取对象类型匹配的放置模型类型，并基于放置模型类型确定目标放置模型；
21、确定目标放置模型的目标放置位置；
22、基于目标放置位置与目标抓取位置，生成抓取消息；
23、向抓取设备推送抓取消息。
24、在一些实施例中，确定目标放置模型的目标放置位置，包括：
25、获取目标放置模型的第二实际点云对应的第二测试图像；
26、对预设的第二模板图像与第二测试图像进行特征匹配，得到第二匹配评分，并从第二模板图像中筛选第二匹配评分最高的第二目标图像，第二模板图像为放置模型的模板图像；
27、确定第二目标图像中预设的第一放置位置在第二测试图像中的第二放置位置；
28、将第二放置位置映射到抓取设备坐标系中的第三放置位置，并确定第三放置位置对应的放置高度；
29、基于放置高度与第三放置位置，得到抓取设备坐标系中目标放置对象对应的目标放置位置。
30、在一些实施例中，获取目标放置模型的第二实际点云的第二测试图像，包括：
31、获取目标放置模型的初始实际点云；
32、对初始实际点云采用直通滤波进行过滤，得到目标放置模型的第二实际点云；
33、获取第二实际点云的第二测试图像。
34、第二方面，本申请还提供了一种抓取位置确定装置，装置包括：
35、点云获取模块，用于获取待抓取对象的理论点云与目标面的第一实际点云；
36、特征匹配模块，用于将第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从模板图像集中筛选目标面对应的第一目标图像，模板图像集包括基于理论点云生成的多个第一模板图像；
37、第一位置确定模块，用于确定第一目标图像中预设的第一抓取位置在第一测试图像中的第二抓取位置；
38、第二位置确定模块，用于将第二抓取位置映射到抓取设备坐标系中，得到第三抓取位置，并基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置。
39、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
40、获取待抓取对象的理论点云与目标面的第一实际点云；
41、将第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从模板图像集中筛选目标面对应的第一目标图像，模板图像集包括基于理论点云生成的多个第一模板图像；
42、确定第一目标图像中预设的第一抓取位置在第一测试图像中的第二抓取位置；
43、将第二抓取位置映射到抓取设备坐标系中，得到第三抓取位置，并基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置。
44、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
45、获取待抓取对象的理论点云与目标面的第一实际点云；
46、将第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从模板图像集中筛选目标面对应的第一目标图像，模板图像集包括基于理论点云生成的多个第一模板图像；
47、确定第一目标图像中预设的第一抓取位置在第一测试图像中的第二抓取位置；
48、将第二抓取位置映射到抓取设备坐标系中，得到第三抓取位置，并基于第三抓取位置，得到抓取设备坐标系中待抓取对象的目标抓取位置。
49、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
50、获取待抓取对象的理论点云与目标面的第一实际点云；
51、将第一实际点云对应的第一测试图像在模板图像本文档来自技高网...
【技术保护点】
1.一种抓取位置确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于所述第三抓取位置，得到所述抓取设备坐标系中所述待抓取对象的目标抓取位置包括：
3.根据权利要求1所述的方法，其特征在于，所述获取待抓取对象的目标面的第一实际点云，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从所述模板图像集中筛选所述目标面对应的第一目标图像，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述确定所述目标放置模型的目标放置位置，包括：
7.根据权利要求6所述的方法，其特征在于，所述获取所述目标放置模型的第二实际点云的第二测试图像，包括：
8.一种抓取位置确定装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。p>
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.一种抓取位置确定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，基于所述第三抓取位置，得到所述抓取设备坐标系中所述待抓取对象的目标抓取位置包括：
3.根据权利要求1所述的方法，其特征在于，所述获取待抓取对象的目标面的第一实际点云，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述第一实际点云对应的第一测试图像在模板图像集中进行特征匹配，从所述模板图像集中筛选所述目标面对应的第一目标图像，包括：
5.根据权利要求1所述的方法，其特征在于，还包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：姜承典，陈万春，邓文平，
申请(专利权)人：湖南视比特机器人有限公司，
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。