【技术实现步骤摘要】
本专利技术涉及自动化，尤其是一种基于深度神经网络的机械臂抓取方法。
技术介绍
1、目前，深度神经网络的发展前景非常广阔，被广泛应用于预测性维护、质量控制及生产优化；机械臂越来越多的代替人工完成智能分拣、搬运和上下料等复杂的任务，这些任务都要求机械臂具有在复杂的堆叠场景中抓取物体的能力；
2、现有技术中机械臂在应用时存在以下问题，(1)在工业生产过程中机械臂在执行堆放混乱的物品抓取任务时，对于物品位姿的判断不够准确，导致抓取任务执行效率低下；(2)在执行抓取任务时，往往采用固定的抓取路径，当抓取物品的位置发生变化时，不能及时的调整抓取路径；(3)在抓取物品时，对于同类物品采用同样的抓取模式，当物品种类发生变化时，对不同物品的抓取模式不能及时调整，导致对待抓取物品造成损伤。
3、因此，亟需一种基于深度神经网络的机械臂抓取方法来解决上述问题。
技术实现思路
1、本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此，本专利技术的目的在于提出一种基于深度神经网络的机...
【技术保护点】
1.一种基于深度神经网络的机械臂抓取方法，其特征在于，包括：
2.如权利要求1所述的基于深度神经网络的机械臂抓取方法，其特征在于，深度神经网络识别模型的构建方法，包括：
3.如权利要求1所述的基于深度神经网络的机械臂抓取方法，其特征在于，所述抓取信息包括抓取位姿、抓取路径；
4.如权利要求3所述的基于深度神经网络的机械臂抓取方法，其特征在于，基于待抓取物品图像及抓取路径确定机械臂周围预设范围内的障碍物分布，包括：
5.如权利要求4所述的基于深度神经网络的机械臂抓取方法，其特征在于，所述第一目标碰撞点为目标碰撞障碍物的碰撞...
【技术特征摘要】
1.一种基于深度神经网络的机械臂抓取方法，其特征在于，包括：
2.如权利要求1所述的基于深度神经网络的机械臂抓取方法，其特征在于，深度神经网络识别模型的构建方法，包括：
3.如权利要求1所述的基于深度神经网络的机械臂抓取方法，其特征在于，所述抓取信息包括抓取位姿、抓取路径；
4.如权利要求3所述的基于深度神经网络的机械臂抓取方法，其特征在于，基于待抓取物品图像及抓取路径确定机械臂周围预设范围内的障碍物分布，包括：
5.如权利要求4所述的基于深度神经网络的机械臂抓取方法，其特征在于，所述第一目标碰撞点为目标碰撞障碍物的碰撞位置点；第二目标碰撞点为机械臂的碰撞位置点。
6.如权利要求5所述的基于深...
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。