【技术实现步骤摘要】
本专利技术属于机器人视觉领域，涉及一种基于深度学习的智能机器人抓取检测方法及抓取系统。
技术介绍
1、在工业和服务业领域，如仓储物流和家庭服务中，机械臂扮演着非常重要的角色。在机械臂的众多功能中,抓取是最重要的基础与前提，决定抓取成功与否的关键就是快速且准确地获取机械臂的抓取姿态和待抓取物品的位置信息。然而，在实际机械臂抓取任务中，机械臂常常处于复杂工作环境下，如目标与干扰物混合，有动态抓取需求，需要进行抓取序列规划等，需要准确且快速地抓取目标。
2、而基于深度学习的机器人抓取根据工作方式不同可分为判别式和生成式方法。基于判别的方法首先采样抓取候选样本，并用神经网络对候选样本进行排序，得到最终抓取位姿，此类方法由于使用了两阶段的方法，在时间上会有所损耗；而生成式的方法极大地缩减了检测时间，但在精度上不足。现有的机器人抓取检测算法中分为数据法和经验法，数据法只适用于已知物体，适用范围小；经验法，即深度学习方法，可适用于未知物体，应用广泛，但目前的深度学习抓取检测方法在复杂环境下成功率较低。
3、有鉴于此，本专利技术...
【技术保护点】
1.一种基于深度学习的智能机器人抓取检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述S1中的对被抓取标注的图像和抓取标签信息进行处理包括对被抓取标注的图像及抓取标签信息进行裁剪及归一化处理。
3.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述S1中的抓取标签信息的内容包括：抓取点的坐标、抓取角度、抓取宽度。
4.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述S1中的人工抓取点标注包括：在图像上标画出...
【技术特征摘要】
1.一种基于深度学习的智能机器人抓取检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述s1中的对被抓取标注的图像和抓取标签信息进行处理包括对被抓取标注的图像及抓取标签信息进行裁剪及归一化处理。
3.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述s1中的抓取标签信息的内容包括：抓取点的坐标、抓取角度、抓取宽度。
4.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特征在于，所述s1中的人工抓取点标注包括：在图像上标画出待抓取目标物品的抓取点集构成的线、抓取角度、抓取宽度，并且存储像素抓取信息。
5.根据权利要求1所述的一种基于深度学习的智能机器人抓取检测方法，其特...
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。