【技術(shù)實現(xiàn)步驟摘要】
本申請涉及位姿規(guī)劃領(lǐng)域，尤其涉及抓取位姿檢測方法、裝置、設(shè)備、機器人及存儲介質(zhì)。
技術(shù)介紹
1、隨著工業(yè)化自動進程的推進，機器人自動化技術(shù)隨之加速發(fā)展，工業(yè)機器人現(xiàn)已廣泛應(yīng)用于工業(yè)生產(chǎn)制造過程中。當(dāng)前，機器人正逐步由傳統(tǒng)工業(yè)生產(chǎn)環(huán)境走向家庭服務(wù)、倉儲物流等非結(jié)構(gòu)化環(huán)境，智能化成為了機器人技術(shù)新的發(fā)展方向。機器人的智能化要求機器人能夠感知環(huán)境并與環(huán)境中的物體進行交互。
2、抓取，是機器人與環(huán)境中的物體進行交互的一種典型方式，機器人的智能化抓取對提升生產(chǎn)工作效率和提升人機交互體驗具有重要意義。目前，一般是基于深度學(xué)習(xí)的方式為機器人規(guī)劃抓取位姿，在從物體點云中隨機采樣物體抓取點并基于物體抓取點形成候選位姿后，通過深度學(xué)習(xí)模型對候選位姿進行打分確定最終的抓取位姿。由于物體抓取點的選取具有隨機性，會導(dǎo)致采樣得到的抓取位姿存在不合理的情況，抓取失敗的幾率增大。
技術(shù)實現(xiàn)思路
1、本申請?zhí)峁┳ト∥蛔藱z測方法、裝置、設(shè)備、機器人及存儲介質(zhì)，以解決隨機選取物體抓取點帶來的抓取位姿不合理的技術(shù)問題。
2、第一方面，提供一種抓取位姿檢測方法，包括：
3、獲取目標(biāo)點云簇，所述目標(biāo)點云簇為從環(huán)境點云數(shù)據(jù)提取目標(biāo)物體對應(yīng)的三維點云數(shù)據(jù)得到，所述目標(biāo)點云簇包括目標(biāo)物體對應(yīng)的三維點云數(shù)據(jù)，所述目標(biāo)物體為待抓取的任一物體；
4、采樣位于所述目標(biāo)點云簇的中心區(qū)域的三維點云數(shù)據(jù)，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點；
5、基于所述物體抓取點采樣目標(biāo)抓取位姿，所述
6、在該技術(shù)方案中，在獲取到包括目標(biāo)物體對應(yīng)的三維點云數(shù)據(jù)的目標(biāo)點云簇后，采樣位于目標(biāo)點云簇的中心區(qū)域中的三維點云數(shù)據(jù)，得到目標(biāo)點云簇對應(yīng)的物體抓取點，然后基于物體抓取點采樣目標(biāo)抓取位姿，實現(xiàn)了對抓取目標(biāo)物體所需的抓取位姿的采樣；由于是采樣位于目標(biāo)點云簇的中心區(qū)域中的三維點云數(shù)據(jù)作為物體抓取點并采樣得到抓取位姿，相當(dāng)于是在物體中心產(chǎn)生抓取位姿，使得采樣得到的抓取位姿符合人類抓取物體的規(guī)律，即使得采樣得到的抓取位姿更為合理，從而提高抓取成功的幾率；另外，采樣位于目標(biāo)點云簇的中心區(qū)域中的三維點云數(shù)據(jù)作為物體抓取點并采樣得到抓取位姿，還能使得采樣得到的抓取位姿相差不大，具有一致性。
7、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述采樣位于所述目標(biāo)點云簇的中心區(qū)域的三維點云數(shù)據(jù)，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：對所述目標(biāo)點云簇進行高斯分布采樣，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點。對目標(biāo)點云簇進行高斯分布采樣，不僅考慮了物體的中心，還考慮了物體的形狀，從而能夠準(zhǔn)確采樣到物體的中心作為物體抓取點。
8、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述對所述目標(biāo)點云簇進行高斯分布采樣，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：構(gòu)建所述目標(biāo)點云簇對應(yīng)的多元正態(tài)分布點云模型，所述多元正態(tài)分布點云模型用于反映所述目標(biāo)點云簇的正態(tài)分布規(guī)律；根據(jù)多元正態(tài)分布點云模型進行采樣，得到目標(biāo)采樣點；根據(jù)所述目標(biāo)采樣點，確定所述目標(biāo)點云簇對應(yīng)的物體抓取點。
9、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述構(gòu)建所述目標(biāo)點云簇對應(yīng)的多元正態(tài)分布點云模型，包括：計算所述目標(biāo)點云簇的均值和協(xié)方差矩陣；根據(jù)所述均值和協(xié)方差矩陣，構(gòu)建所述目標(biāo)點云簇對應(yīng)的多元正態(tài)分布點云模型。由于目標(biāo)點云簇中的三維點云數(shù)據(jù)的均值和三維點云數(shù)據(jù)的協(xié)方差矩陣分別表示目標(biāo)物體的中心區(qū)域和形狀分布，根據(jù)均值和協(xié)方差矩陣構(gòu)建多元正態(tài)分布點云模型，能夠準(zhǔn)確表征目標(biāo)物體對應(yīng)的三維點云數(shù)據(jù)的分布情況。
10、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述多元正態(tài)分布點云模型為標(biāo)準(zhǔn)多元正態(tài)分布點云模型；所述根據(jù)多元正態(tài)分布點云模型進行采樣，得到目標(biāo)采樣點，包括：根據(jù)所述標(biāo)準(zhǔn)多元正態(tài)分布點云模型進行采樣，得到原始采樣點；對所述原始采樣點進行平移、旋轉(zhuǎn)和/或縮放變換，得到所述目標(biāo)采樣點。通過先對標(biāo)準(zhǔn)多元正態(tài)分布點云模型進行采樣，再對采樣得到的原始采樣點進行平移、旋轉(zhuǎn)和/或縮放變換，得到多元正態(tài)分布點云模型中的采樣點，能夠簡化計算流程。
11、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述根據(jù)所述目標(biāo)采樣點，確定所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：在所述目標(biāo)點云簇中確定與所述目標(biāo)采樣點的距離最近的目標(biāo)三維點云數(shù)據(jù)；將所述目標(biāo)三維點云數(shù)據(jù)，確定為所述目標(biāo)點云簇對應(yīng)的物體抓取點。通過將點云簇中與高斯采樣得到的采樣點之間的距離最近的目標(biāo)三維點云數(shù)據(jù)確定為物體抓取點，能夠確保物體抓取點為目標(biāo)物體上的三維點云數(shù)據(jù)。
12、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述基于所述物體抓取點采樣目標(biāo)抓取位姿，包括：生成候選抓取位姿，所述候選抓取位姿的抓取中心與所述物體抓取點的距離小于所述預(yù)設(shè)距離閾值；對所述候選抓取位姿進行位姿評分，將位姿評分最高的一個或多個候選抓取位姿確定為所述目標(biāo)抓取位姿。將位姿評分最高的一個或多個候選抓取位姿確定為目標(biāo)抓取位姿，能夠得到最準(zhǔn)確的抓取位姿。
13、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述生成候選抓取位姿，包括：根據(jù)所述物體抓取點對應(yīng)的點云法向量，生成所述物體抓取點對應(yīng)的初始候選位姿，所述點云法向量用于表征所述物體抓取點所在的局部物體表面的朝向；根據(jù)所述初始候選位姿，確定所述候選抓取位姿，所述候選抓取位姿包括所述初始候選位姿。根據(jù)物體抓取點對應(yīng)的點云法向量來生成初始候選位姿進而確定候選抓取位姿，能夠使得候選抓取位姿盡量朝向物體，提升抓取成功的幾率。
14、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述根據(jù)所述物體抓取點對應(yīng)的點云法向量，生成所述物體抓取點對應(yīng)的初始候選位姿，包括：構(gòu)建法向量矩陣，所述法向量矩陣包括n個法向量，n為所述點云法向量對應(yīng)的三維點云數(shù)據(jù)的數(shù)量；對所述法向量矩陣對應(yīng)的方陣進行特征值分解，得到初始候選位姿對應(yīng)的物體軸向和位姿朝向，所述方陣為所述法向量矩陣與所述法向量矩陣的轉(zhuǎn)置矩陣的矩陣乘積；根據(jù)初始候選位姿對應(yīng)的物體軸向和位姿朝向，確定所述初始候選位姿對應(yīng)的夾取方向。
15、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述根據(jù)所述初始候選位姿，確定所述候選抓取位姿，包括：對所述初始候選位姿進行至少一次位姿變換操作，得到變換候選位姿，所述位姿變換操作包括將待變換的當(dāng)前位姿沿所述當(dāng)前位姿對應(yīng)的夾取方向進行平移，或者，將所述當(dāng)前位姿以目標(biāo)軸為旋轉(zhuǎn)軸進行旋轉(zhuǎn)，所述目標(biāo)軸為所述當(dāng)前位姿對應(yīng)的物體軸向；將所述初始候選位姿和所述變換候選位姿，確定為所述候選抓取位姿。通過對初始生成的候選位姿進行旋轉(zhuǎn)和/或平移得到新的候選位姿，能夠豐富候選位姿，增加候選位姿的多樣性。
16、結(jié)合第一方面，在一種可能的實現(xiàn)方式中，所述對所述候選抓取位姿進行位姿評分之前，還包括：刪除無效候選抓取位姿，得到剩余候選抓取位姿，所述無效候選抓取位姿為不合理的候選抓取位姿；所本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種抓取位姿檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采樣位于所述目標(biāo)點云簇的中心區(qū)域的三維點云數(shù)據(jù)，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述目標(biāo)點云簇進行高斯分布采樣，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述構(gòu)建所述目標(biāo)點云簇對應(yīng)的多元正態(tài)分布點云模型，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多元正態(tài)分布點云模型為標(biāo)準(zhǔn)多元正態(tài)分布點云模型；
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述目標(biāo)采樣點，確定所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，所述基于所述物體抓取點采樣目標(biāo)抓取位姿，包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述生成候選抓取位姿，包括：
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述物體抓取點對應(yīng)的點云法向量，生成所述物體抓取點對應(yīng)的初始候
10.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述初始候選位姿，確定所述候選抓取位姿，包括：
11.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述對所述候選抓取位姿進行位姿評分之前，還包括：
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述無效候選抓取位姿包括不在抓取部件的運動范圍內(nèi)的候選抓取位姿，和/或所述抓取部件不可達的候選抓取位姿。
13.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，所述獲取目標(biāo)點云簇，包括：
14.根據(jù)權(quán)利要求13所述的方法，其特征在于，所述物體點云數(shù)據(jù)為融合多幀點云數(shù)據(jù)得到的三維點云數(shù)據(jù)，所述多幀點云數(shù)據(jù)為從待抓取的物體的不同方位上獲取到的三維點云數(shù)據(jù)。
15.一種抓取位姿檢測裝置，其特征在于，包括：
16.一種計算機設(shè)備，其特征在于，包括存儲器、處理器，所述存儲器和連接至所述處理器，所述處理器用于執(zhí)行存儲在所述存儲器中的一個或多個計算機程序，所述處理器在執(zhí)行所述一個或多個計算機程序時，使得所述計算機設(shè)備實現(xiàn)如權(quán)利要求1-14任一項所述的方法。
17.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當(dāng)被處理器執(zhí)行時使所述處理器執(zhí)行如權(quán)利要求1-14任一項所述的方法。
18.一種機器人，其特征在于，包括機器人本體和機械臂，所述機器人用于執(zhí)行如權(quán)利要求1-14任一項所述的方法，所述目標(biāo)抓取位姿為為所述機械臂采樣的抓取位姿。
...【技術(shù)特征摘要】
1.一種抓取位姿檢測方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采樣位于所述目標(biāo)點云簇的中心區(qū)域的三維點云數(shù)據(jù)，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對所述目標(biāo)點云簇進行高斯分布采樣，得到所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述構(gòu)建所述目標(biāo)點云簇對應(yīng)的多元正態(tài)分布點云模型，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述多元正態(tài)分布點云模型為標(biāo)準(zhǔn)多元正態(tài)分布點云模型；
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述目標(biāo)采樣點，確定所述目標(biāo)點云簇對應(yīng)的物體抓取點，包括：
7.根據(jù)權(quán)利要求1-6任一項所述的方法，其特征在于，所述基于所述物體抓取點采樣目標(biāo)抓取位姿，包括：
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述生成候選抓取位姿，包括：
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述物體抓取點對應(yīng)的點云法向量，生成所述物體抓取點對應(yīng)的初始候選位姿，包括：
10.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述初始候選位姿，確定所述候選抓取位姿，包括：
11.根據(jù)權(quán)利要求7所述的方法，其特征在于，...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：張會文，唐凱，
申請(專利權(quán))人：廣州視源電子科技股份有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。