CN110533681A - 物品抓取方法、装置、设备及计算机可读存储介质 - Google Patents
物品抓取方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110533681A CN110533681A CN201910792007.4A CN201910792007A CN110533681A CN 110533681 A CN110533681 A CN 110533681A CN 201910792007 A CN201910792007 A CN 201910792007A CN 110533681 A CN110533681 A CN 110533681A
- Authority
- CN
- China
- Prior art keywords
- article
- vertical line
- point
- picture
- horizontal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种物品抓取方法、该方法包括步骤:获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。本发明实现了物品的成功抓取。
Description
技术领域
本发明涉及物品抓取领域,尤其涉及一种物品抓取方法、装置、设备及计算机可读存储介质。
背景技术
随着计算机技术的发展,物品抓取的技术也越来越进步,现在的物品分类(比如垃圾分类)也会采用物品抓取技术进行快速分类,例如,在垃圾分选产线上,传送带用于传送垃圾,而相机用于拍摄图片,通过相机拍摄的图片确定待抓取的垃圾之后再由机器人进行抓取,但是在面对较重或者体积较大的垃圾如:石块、金属、塑料罐等,如果使用机器人分选的话,一种较优的方案就是使用夹爪来夹取重型垃圾,那么此时就必须针对各种不同的垃圾的形状,位置和姿态等得出一个最优夹取方案。现有的垃圾抓取时,若在一个区域中检测到多个垃圾(如图1所示),可能夹爪会把多个垃圾看当做一个整体进行抓取,由于一个夹爪难以稳固夹住多个垃圾,这种情况下,很大程度会出现多个垃圾都抓取落空,从而导致物品抓取失败。
发明内容
本发明的主要目的在于提供一种物品抓取方法、装置、设备及计算机可读存储介质,旨在解决现有技术的物品抓取方法,容易造成物品抓取失败的技术问题。
为实现上述目的,本发明提供一种物品抓取方法,所述物品抓取方法包括以下步骤:
获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
可选地,所述基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取的步骤:
以所述重心为中心点,将图片上第二集合的点在Z轴上按照预设的角度进行旋转,得到转换后的各个点对应的坐标值;
将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取。
可选地,所述以所述重心为中心点,将图片上第二集合的点在Z轴上按照不同的角度进行旋转,得到转换后的各个点对应的坐标值的步骤包括:
以所述重心为中心点,将图片上的第二集合的点在Z轴上按照预设增量旋转预设角度;
每次旋转,将第二集合的点对应的原坐标转换为矩阵;
根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值。
可选地,所述根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值的步骤之后,所述方法还包括:
确定旋转后的图片是否被裁剪;
若有,对裁剪的区域进行等效增补。
可选地,所述将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取的步骤包括:
根据不同角度转换后的各个点对应的坐标值,确定数值最小的坐标值;
将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
可选地,所述基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取的步骤包括:
调整水平线/垂直线的斜率,每次调整斜率,将第二集合的点对应的原坐标转换为矩阵;
根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值,从而得到图片上第二集合的点在不同水平线/垂直线的斜率下对应的坐标值;
根据各个斜率下对应的各个坐标值,确定数值最小的坐标值;
将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
可选地,所述获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心的步骤包括:
获取图片,对所述图片进行去噪处理;
在去噪处理后的图片中提取出物品的轮廓信息,并将物品的轮廓信息写入到第一集合中;
通过第一集合中的轮廓信息,确定物品重心。
进一步地,为实现上述目的,本发明还提供一种物品抓取装置,所述物品抓取装置包括:
第一处理模块,用于获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
第二处理模块,用于过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
第三处理模块,用于分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
第四处理模块,用于比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
确定模块,用于基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
进一步地,为实现上述目的,本发明还提供一种物品抓取设备,所述物品抓取设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的物品抓取程序,所述物品抓取程序被所述处理器执行时实现如上述所述的物品抓取方法的步骤。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有物品抓取程序,所述物品抓取程序被处理器执行时实现如上所述的物品抓取方法的步骤。
本发明的技术方案公开一种物品抓取方法,获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。本发明通过物品的重心做水平线/垂直线,然后得到两垂线段和两水平线段,再将间距最短的两线段写入第二集合,以根据第二集合中的点,确定原坐标系下的数据,这种情况下实现物品的抓取,由于去除了干扰,也得出了较佳的抓取位置,因此相对于现有技术中抓取方案,本发明提高了物品抓取的成功率。
附图说明
图1为现有技术的一种应用场景的示意图;
图2为本发明物品抓取设备实施例方案涉及的设备硬件运行环境的结构示意图;
图3为本发明物品抓取方法第一实施例的流程示意图;
图4为本发明一种应用场景的示意图;
图5为本发明物品抓取装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供一种物品抓取设备,参照图2,图2为本发明物品抓取设备实施例方案涉及的设备硬件运行环境的结构示意图。
如图2所示,该物品抓取设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
本领域技术人员可以理解,图2中示出的物品抓取设备的硬件结构并不构成对物品抓取设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图2所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及物品抓取程序。其中,操作系统是管理和控制物品抓取设备与软件资源的程序,支持网络通信模块、用户接口模块、物品抓取程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1004;用户接口模块用于管理和控制用户接口1003。
在图2所示的物品抓取设备硬件结构中,处理器1001可以调用存储器1005中存储的物品抓取程序,并执行以下物品抓取方法的各个步骤。
本发明物品抓取设备的具体实施方式与下述物品抓取方法各实施例基本相同,在此不再赘述。
本发明还提供一种物品抓取方法。
本发明实施例提供了物品抓取方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在物品抓取方法的各个实施例中,为了便于描述,省略执行主体进行阐述各个实施例。
参照图3,图3为本发明物品抓取方法第一实施例的流程示意图,所述物品抓取方法包括:
步骤S10,获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
在本实施例中,通过相机拍摄图片,相机拍摄图片可选每隔预设时间间隔采集一帧图片,然后获取该采集的一帧图片进行处理,所述预设时间间隔根据实际需求设置。此外,还可选实时采集一帧图片,并获取该采集的一帧图片进行处理。在获取到图片之后,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心。具体地,所述步骤S10包括:
获取图片,对所述图片进行去噪处理;
在去噪处理后的图片中提取出物品的轮廓信息,并将物品的轮廓信息写入到第一集合中;
通过第一集合中的轮廓信息,确定物品重心。
即,在获取到图片之后,先采用深度学习算法对所述图片进行预测,以得到图片中物品的像素信息,采用深度学习算法对图片进行预测得到图片中物品的像素信息的方式与现有技术一致,此处不做赘述。在对图片进行预测之后,再对预测结果的mask信息进行滤波去燥处理,防止噪声等对结果产生较大的干扰。在去噪处理之后,在去噪处理后的图片中提取出物品的轮廓信息,然后将物品的轮廓信息写入到第一集合中,再根据第一集合中的轮廓信息,确定物品重心。
步骤S20,过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
步骤S30,分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
在确定物品的重心之后,对物品的重心做一条水平线/垂直线,并找出重心领域内水平方向和竖直方向不相交、不处于轮廓内的四条线段,即四条线段均与轮廓相切。也就是说,对物品的重心做一条水平线/垂直线之后,先分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点,然后分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,过重心的该水平线和垂直线相当于坐标系的X轴和Y轴。
为更好理解本实施例,举例如下,如图4所示,过重心做一条水平线,与垂直线,水平线和垂直线的交点为重心,过重心的该水平线和垂直线相当于坐标系的X轴和Y轴。然后,确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点,然后分别过两水平交点做水平线的垂线,得到两垂线段(如图3中,与Y轴平行的两条线段即为两垂线段),分别过两垂直交点做垂线的垂线,得到两水平线段(如图3中,与X轴平行的两条线段即为两水平线段)。
步骤S40,比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
得到两垂线段和两水平线段之后,比较两垂线段和两水平线段的间距,以找出距离最短的两线段,并将距离最短的两线段写入第二集合中,假设图3中,两垂线段的距离小于两水平线段,那么就将两垂线段写入第二集合中。
步骤S50,基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
本发明实施例中,获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。本发明通过物品的重心做水平线/垂直线,然后得到两垂线段和两水平线段,再将间距最短的两线段写入第二集合,以根据第二集合中的点,确定原坐标系下的数据,这种情况下实现物品的抓取,由于去除了干扰,也得出了较佳的抓取位置,因此相对于现有技术中抓取方案,本发明提高了物品抓取的成功率。
进一步地,基于所述物品抓取方法的第一实施例,提出本发明第二实施例。在本实施例中,所述步骤S50包括:
步骤A,以所述重心为中心点,将图片上第二集合的点在Z轴上按照预设的角度进行旋转,得到转换后的各个点对应的坐标值;
步骤B,将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取。
即,在本实施例中,将距离最短的两线段写入第二集合之后,以所述重心为中心点,将图片上第二集合的点在Z轴上按照预设的角度进行旋转,得到转换后的各个点对应的坐标值。此时,可以将图片看成以上述水平线和垂直线为坐标系的一个点阵集合,绕重心将图片进行旋转可看做将坐标系上的点绕Z轴旋转θ度。之后,将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取。
具体地,所述步骤A包括:
步骤A1,以所述重心为中心点,将图片上的第二集合的点在Z轴上按照预设增量旋转预设角度;
步骤A2,每次旋转,将第二集合的点对应的原坐标转换为矩阵;
步骤A3,根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值。
可选地,以所述重心为中心点,将图片上的第二集合的点在Z轴上旋转θ度,然后在当次旋转的时候,都将第二集合的点对应的原坐标转换为矩阵,本实施例中,假设原坐标为(Xs,Ys),将其转换为四行一列矩阵
然后,获取预设旋转公式:
根据所述原坐标转换后的矩阵,以及预设旋转公式,计算原坐标旋转之后的坐标值,设定原坐标旋转之后的坐标值设旋转之后的位置为Pd,则
Pd=Rz*Ps
将Rz、Rs代入上述公式,即可得到原坐标旋转之后的坐标。
在这个过程中,调整旋转角度θ,即可得到多组原坐标旋转之后的坐标值。在本实施例中,可选根据应用场合,控制θ间距,以30度间距为例,首次将图片从零度旋转30度,之后再增加30度,即从30度旋转到60度,以得到多组原坐标旋转后的坐标值,需要说明的是,总共旋转的度数不超过180度,若达到180度,即可执行后续确定最小值的操作。需要说明的是,θ间距的具体数值根据实际需要设定,还可选设定为5度、10度等等。只要保证整个旋转过程不超过180度,即可进行后续确定最小值的操作。
在本实施例中,为了提高物品抓取的成功率,所述步骤B包括:
步骤B1,根据不同角度转换后的各个点对应的坐标值,确定数值最小的坐标值;
步骤B2,将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
即,在得到多组原坐标旋转后的坐标值之后,根据不同角度转换后的各个点对应的坐标值,确定数值最小的坐标值,并将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
本发明实施例中,通过多次旋转,每次以一个角度作为增量进行旋转,得到多个角度下对应的点的坐标值,最终在多个角度对应的点的坐标值中再确定最小值,相当于是执行一个递归的过程,通过这个递归过程寻求最优解,从而保证了后续的物品成功抓取。
进一步地,为了提高物品抓取的成功率,所述步骤A3之后,还包括:
步骤A4,确定旋转后的图片是否被裁剪;
步骤A5,若有,对裁剪的区域进行等效增补。
在本实施例中,确定旋转后的图片是否被裁剪,可将旋转前后的照片进行匹配,若图片的相似度低于预设阈值,可确定图片被裁剪,该预设阈值根据实际情况设置,此处不做限定。若图片被裁剪,则对裁剪的区域进行等效增补,具体的增补方式可选按照原图片进行补充,或者按照相邻区域的像素值进行补充。
在本实施例中,通过旋转不同的角度,实现物品的抓取,提高了物品抓取的成功率。
进一步地,基于所述物品抓取方法的第一或第二实施例,提出本发明第三实施例。
在本实施例中,所述步骤S50,还包括:
步骤C,调整水平线/垂直线的斜率,每次调整斜率,将第二集合的点对应的原坐标转换为矩阵;
步骤D,根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值,从而得到图片上第二集合的点在不同水平线/垂直线的斜率下对应的坐标值;
步骤E,根据各个斜率下对应的各个坐标值,确定数值最小的坐标值;
步骤F,将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
在本实施例中,还可选通过调整水平线/垂直线的斜率,以实现物品的抓取,具体地,每次调整斜率,将第二集合的点对应的原坐标转换为矩阵,然后,根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值,从而得到图片上第二集合的点在不同水平线/垂直线的斜率下对应的坐标值,其中,原坐标转换为矩阵的转换方式同上文一致,根据原坐标转换后的矩阵以及预设旋转公式,确定原坐标旋转之后的坐标值的方式也是同上文一致,此处不做赘述。在得到各个斜率下对应的各个坐标值之后,在各个坐标值中确定数值最小的坐标值,以将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。其中,调整水平线/垂直线的斜率也可选是多次调整,具体的调整数值不做限定,根据实际需要设置,但是调整水平线/垂直线的斜率时,保持水平线和垂直线处于相互垂直的状态,即水平线和垂直线的斜率的乘积等于-1。每次在调整水平线/垂直线的斜率之后,相当于图片与水平线/垂直线的之间的角度就发生了变化,通过上述递归的过程寻找最优解,提高了物品抓取的成功率。
在本实施例中,通过调整水平线/垂直线的斜率的方式实现物品的抓取,提高了物品抓取的灵活性。
本发明还提供一种物品抓取装置。
参照图5,图5为本发明物品抓取装置第一实施例的功能模块示意图,所述物品抓取装置应用于物品抓取设备。
所述物品抓取装置包括:
第一处理模块,用于获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
第二处理模块,用于过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
第三处理模块,用于分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
第四处理模块,用于比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
确定模块,用于基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
进一步地,所述确定模块包括:
旋转子模块,用于以所述重心为中心点,将图片上第二集合的点在Z轴上按照预设的角度进行旋转,得到转换后的各个点对应的坐标值;
第一转换子模块,用于将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取。
进一步地,所述旋转子模块包括:
旋转单元,用于以所述重心为中心点,将图片上的第二集合的点在Z轴上按照预设增量旋转预设角度;
第一转换单元,用于每次旋转,将第二集合的点对应的原坐标转换为矩阵;
第一确定单元,用于根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值。
进一步地,所述装置还包括:
确定子模块,用于确定旋转后的图片是否被裁剪;
增补子模块,用于若有,对裁剪的区域进行等效增补。
进一步地,所述第一转换子模块包括:
第二确定单元,用于根据不同角度转换后的各个点对应的坐标值,确定数值最小的坐标值;
第二转换单元,用于将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
进一步地,所述确定模块还包括:
调整子模块,用于调整水平线/垂直线的斜率,每次调整斜率,将第二集合的点对应的原坐标转换为矩阵;根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值,从而得到图片上第二集合的点在不同水平线/垂直线的斜率下对应的坐标值;根据各个斜率下对应的各个坐标值,确定数值最小的坐标值;
第二转换子模块,用于将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
进一步地,所述处理模块还包括:
第一处理单元,用于获取图片,对所述图片进行去噪处理;
第二处理单元,用于在去噪处理后的图片中提取出物品的轮廓信息,并将物品的轮廓信息写入到第一集合中;
第三确定单元,用于通过第一集合中的轮廓信息,确定物品重心。
本发明物品抓取装置具体实施方式与上述物品抓取方法各实施例基本相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质。
计算机可读存储介质上存储有物品抓取程序,物品抓取程序被处理器执行时实现如上所述的物品抓取方法的步骤。
本发明计算机可读存储介质具体实施方式与上述物品抓取方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种物品抓取方法,其特征在于,所述物品抓取方法包括以下步骤:
获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
2.如权利要求1所述的物品抓取方法,其特征在于,所述基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取的步骤:
以所述重心为中心点,将图片上第二集合的点在Z轴上按照预设的角度进行旋转,得到转换后的各个点对应的坐标值;
将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取。
3.如权利要求2所述的物品抓取方法,其特征在于,所述以所述重心为中心点,将图片上第二集合的点在Z轴上按照不同的角度进行旋转,得到转换后的各个点对应的坐标值的步骤包括:
以所述重心为中心点,将图片上的第二集合的点在Z轴上按照预设增量旋转预设角度;
每次旋转,将第二集合的点对应的原坐标转换为矩阵;
根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值。
4.如权利要求3所述的物品抓取方法,其特征在于,所述根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值的步骤之后,所述方法还包括:
确定旋转后的图片是否被裁剪;
若有,对裁剪的区域进行等效增补。
5.如权利要求2所述的物品抓取方法,其特征在于,所述将转换后的各个点对应的坐标值转换为原坐标系下的数据,以实现物品的抓取的步骤包括:
根据不同角度转换后的各个点对应的坐标值,确定数值最小的坐标值;
将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
6.如权利要求1所述的物品抓取方法,其特征在于,所述基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取的步骤包括:
调整水平线/垂直线的斜率,每次调整斜率,将第二集合的点对应的原坐标转换为矩阵;
根据原坐标转换后的矩阵,以及预设旋转公式,确定原坐标旋转之后的坐标值,从而得到图片上第二集合的点在不同水平线/垂直线的斜率下对应的坐标值;
根据各个斜率下对应的各个坐标值,确定数值最小的坐标值;
将数值最小的坐标值转换为原坐标系下的数据,以实现物品的抓取。
7.如权利要求1-6任一项所述的物品抓取方法,其特征在于,所述获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心的步骤包括:
获取图片,对所述图片进行去噪处理;
在去噪处理后的图片中提取出物品的轮廓信息,并将物品的轮廓信息写入到第一集合中;
通过第一集合中的轮廓信息,确定物品重心。
8.一种物品抓取装置,其特征在于,所述物品抓取装置包括:
第一处理模块,用于获取图片,在图片中提取出物品的轮廓信息,并根据物品的轮廓信息确定物品重心;
第二处理模块,用于过物品的重心做一条水平线/垂直线,分别确定所述水平线/垂直线与物品轮廓的两水平交点/两垂直交点;
第三处理模块,用于分别过两水平交点做水平线的垂线,得到两垂线段,分别过两垂直交点做垂线的垂线,得到两水平线段,其中,过所述重心的所述水平线和所述垂直线相当于坐标系的X轴和Y轴;
第四处理模块,用于比较两垂线段和两水平线段的间距,以将间距最短的两线段写入第二集合;
确定模块,用于基于第二集合中的点,确定原坐标系下的数据,以实现物品的抓取。
9.一种物品抓取设备,其特征在于,所述物品抓取设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的物品抓取程序,所述物品抓取程序被所述处理器执行时实现如权利要求1-7中任一项所述的物品抓取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有物品抓取程序,所述物品抓取程序被处理器执行时实现如权利要求1-7中任一项所述的物品抓取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792007.4A CN110533681B (zh) | 2019-08-26 | 2019-08-26 | 物品抓取方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910792007.4A CN110533681B (zh) | 2019-08-26 | 2019-08-26 | 物品抓取方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110533681A true CN110533681A (zh) | 2019-12-03 |
CN110533681B CN110533681B (zh) | 2023-01-06 |
Family
ID=68664256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910792007.4A Active CN110533681B (zh) | 2019-08-26 | 2019-08-26 | 物品抓取方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533681B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111515149A (zh) * | 2020-04-26 | 2020-08-11 | 广东弓叶科技有限公司 | 人机协作分选系统及其机器人的抓取位置获取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62274231A (ja) * | 1986-05-23 | 1987-11-28 | Maruto Sanyu Seisakusho:Kk | 変形物の重心位置検測方法 |
CN102359847A (zh) * | 2011-09-01 | 2012-02-22 | 中联重科股份有限公司 | 物体重心高度的测定方法及测定装置 |
CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
CN110000783A (zh) * | 2019-04-04 | 2019-07-12 | 上海节卡机器人科技有限公司 | 机器人的视觉抓取方法和装置 |
-
2019
- 2019-08-26 CN CN201910792007.4A patent/CN110533681B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS62274231A (ja) * | 1986-05-23 | 1987-11-28 | Maruto Sanyu Seisakusho:Kk | 変形物の重心位置検測方法 |
CN102359847A (zh) * | 2011-09-01 | 2012-02-22 | 中联重科股份有限公司 | 物体重心高度的测定方法及测定装置 |
CN108555908A (zh) * | 2018-04-12 | 2018-09-21 | 同济大学 | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 |
CN110000783A (zh) * | 2019-04-04 | 2019-07-12 | 上海节卡机器人科技有限公司 | 机器人的视觉抓取方法和装置 |
Non-Patent Citations (1)
Title |
---|
张法全等: "利用重心原理的图像目标最小外接矩形快速算法", 《红外与激光工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111515149A (zh) * | 2020-04-26 | 2020-08-11 | 广东弓叶科技有限公司 | 人机协作分选系统及其机器人的抓取位置获取方法 |
CN111515149B (zh) * | 2020-04-26 | 2020-12-29 | 广东弓叶科技有限公司 | 人机协作分选系统及其机器人的抓取位置获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110533681B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485215B (zh) | 基于深度卷积神经网络的人脸遮挡检测方法 | |
CN106296578B (zh) | 一种图像处理方法及装置 | |
CN108108754A (zh) | 重识别网络的训练、重识别方法、装置和系统 | |
EP3065085B1 (en) | Digital image processing using convolutional neural networks | |
US10275688B2 (en) | Object detection with neural network | |
CN108268869A (zh) | 目标检测方法、装置及系统 | |
CN110070101A (zh) | 植物种类的识别方法及装置、存储介质、计算机设备 | |
CN108549892A (zh) | 一种基于卷积神经网络的车牌图像清晰化方法 | |
CN107729958A (zh) | 一种信息发送方法及装置 | |
CN108510454A (zh) | 用于生成深度图像的方法和装置 | |
JP2014527210A (ja) | オプティカルフローを決定するためのコンテンツ適応型システム、方法、及び装置 | |
CN101859176A (zh) | 屏幕控制装置及其方法 | |
CN107452028A (zh) | 一种确定目标图像位置信息的方法及装置 | |
CN107437239A (zh) | 一种图像增强方法和装置 | |
CN109313431A (zh) | 用于处理对象的方法和机器人系统 | |
CN111783761A (zh) | 证件文本的检测方法、装置及电子设备 | |
CN109636746A (zh) | 图像噪声去除系统、方法及设备 | |
CN110533681A (zh) | 物品抓取方法、装置、设备及计算机可读存储介质 | |
CN115564030A (zh) | 目标检测模型的压缩方法、检测方法、装置及相关设备 | |
CN109145751A (zh) | 翻页检测方法及装置 | |
US20210241068A1 (en) | Convolutional neural network | |
CN108876853B (zh) | 图像定位方法、装置、系统和存储介质 | |
CN109389367A (zh) | 人员考勤方法、装置及存储介质 | |
US10037459B2 (en) | Real-time font edge focus measurement for optical character recognition (OCR) | |
CN107945137A (zh) | 人脸检测方法、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 523000 room 325, building 15, No. 1, Xuefu Road, Songshanhu Park, Dongguan City, Guangdong Province Applicant after: Guangdong Gongye Technology Co.,Ltd. Address before: Room 123, room 124, room 125, room 126, room 127, room 128, building 1, No. 1, RD fifth road, Songshan Lake Park, Dongguan City, Guangdong Province 523000 Applicant before: Dongguan Gongye Interconnection Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |