CN112720496B - 机械手的控制方法、装置、拾取设备及存储介质 - Google Patents
机械手的控制方法、装置、拾取设备及存储介质 Download PDFInfo
- Publication number
- CN112720496B CN112720496B CN202011614958.1A CN202011614958A CN112720496B CN 112720496 B CN112720496 B CN 112720496B CN 202011614958 A CN202011614958 A CN 202011614958A CN 112720496 B CN112720496 B CN 112720496B
- Authority
- CN
- China
- Prior art keywords
- target object
- acquiring
- type
- data
- manipulator
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
Abstract
本申请提供了一种机械手的控制方法、装置、拾取设备及计算机可读存储介质,所述方法应用于拾取设备,所述拾取设备设置有机械手,所述方法包括:获取目标对象的质量;获取所述目标对象的轮廓类型;获取所述轮廓类型对应的至少两个受力区域;根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。机械手可以根据目标对象的轮廓类型确定对应的至少两个受力区域,结合目标对象的质量和至少两个受力区域,同一机械手可以对不同形状、不同质量的目标对象在对应的至少两个受力区域施加对应大小的力,从而拾取不同形状、不同质量的目标对象,适用范围广。
Description
技术领域
本申请涉及计算机视觉技术和工业检测技术领域,尤其涉及机械手的控制方法、装置、拾取设备及计算机可读存储介质。
背景技术
现有的机械手无法针对不同形状物体设置不同的夹取位置,且无法根据不同质量的物体设置不同的夹取力度,通用性较差。
发明内容
本申请的目的在于提供机械手的控制方法、装置、拾取设备及计算机可读存储介质,同一机械手可以对不同形状、不同质量的目标对象在对应的至少两个受力区域施加对应大小的力,从而拾取不同形状、不同质量的目标对象,适用范围广。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种机械手的控制方法,应用于拾取设备,所述拾取设备设置有机械手,所述方法包括:获取目标对象的质量;获取所述目标对象的轮廓类型;获取所述轮廓类型对应的至少两个受力区域;根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。该技术方案的有益效果在于,机械手可以根据目标对象的轮廓类型确定对应的至少两个受力区域,结合目标对象的质量和至少两个受力区域,同一机械手可以对不同形状、不同质量的目标对象在对应的至少两个受力区域施加对应大小的力,从而拾取不同形状、不同质量的目标对象,适用范围广。
在一些可选的实施例中,所述获取所述目标对象的轮廓类型,包括:获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的;根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。该技术方案的有益效果在于,可以通过视觉检测设备获取目标对象的第一视觉检测数据,由第一视觉检测数据可以获取目标对象的轮廓类型,从而根据轮廓类型确定目标对象的受力区域。
在一些可选的实施例中,所述获取所述轮廓类型对应的至少两个受力区域,包括:获取多个样本的轮廓类型数据和受力区域标注数据;根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型;将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。该技术方案的有益效果在于,可以根据多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型,一方面,通过向轮廓受力模型输入目标对象的轮廓类型,即可得到对应的至少两个受力区域,便于机械手根据受力区域确定拾取位置,对目标对象进行拾取;另一方面,轮廓受力模型可以由大量的样本数据训练而成,可以识别多种轮廓类型,适用范围广,智能化水平高。
在一些可选的实施例中,所述获取所述轮廓类型对应的至少两个受力区域,包括:当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。该技术方案的有益效果在于,当目标对象的轮廓类型为具有喇叭形边沿的开口时,喇叭形开口处内径较大,将开口的外周上的多个点作为受力区域,对该受力区域施力拾取目标对象,可以防止目标对象在拾取过程滑落,拾取成功率高。
在一些可选的实施例中,所述目标对象的每个所述受力区域对应的拾取参数相等。该技术方案的有益效果在于,可以保证目标对象在每个受力区域处受力均匀,避免目标对象因为受力不均而损坏。
在一些可选的实施例中,所述获取目标对象的质量,包括:获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的;根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积;根据所述目标对象的密度和体积,获取所述目标对象的质量。该技术方案的有益效果在于,可以利用视觉检测设备获取第二视觉检测数据,由第二视觉检测数据可以获取目标对象的密度和体积,从而获取目标对象的质量,整个质量估计过程利用计算机视觉技术直接获取目标对象的密度和体积,实现了非接触式质量估计,无需采取接触式的手段测量目标对象的质量。
在一些可选的实施例中,所述第二视觉检测数据包括2D图像数据;获取所述目标对象的密度的方法包括:根据所述2D图像数据,获取所述目标对象的纹理信息;根据所述目标对象的纹理信息,获取所述目标对象的密度。该技术方案的有益效果在于,2D图像信息可以较为直观地反映目标对象的纹理信息,可以根据目标对象的纹理信息判断目标对象的材质,从而根据材质获取目标对象的密度。
第二方面,本申请提供了一种机械手的控制装置,应用于拾取设备,所述拾取设备设置有机械手,所述装置包括:质量获取模块,用于获取目标对象的质量;类型获取模块,用于获取所述目标对象的轮廓类型;受力区域模块,用于获取所述轮廓类型对应的至少两个受力区域;机械手控制模块,用于根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。
在一些可选的实施例中,所述类型获取模块包括:第一视觉单元,用于获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的;获取类型单元,用于根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。
在一些可选的实施例中,所述受力区域模块包括:数据获取单元,用于获取多个样本的轮廓类型数据和受力区域标注数据;模型训练单元,用于根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型;区域获取单元,用于将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。
在一些可选的实施例中,所述受力区域模块用于当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。
在一些可选的实施例中,所述目标对象的每个所述受力区域对应的拾取参数相等。
在一些可选的实施例中,所述质量获取模块包括:第二视觉单元,用于获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的;参数获取单元,用于根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积;获取质量单元,用于根据所述目标对象的密度和体积,获取所述目标对象的质量。
在一些可选的实施例中,所述第二视觉检测数据包括2D图像数据;所述参数获取单元包括:纹理获取子单元,用于根据所述2D图像数据,获取所述目标对象的纹理信息;密度获取子单元,用于根据所述目标对象的纹理信息,获取所述目标对象的密度。
第三方面,本申请提供了一种拾取设备,所述拾取设备包括存储器、处理器和机械手,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项方法的步骤。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种机械手的控制方法的流程示意图;
图2是本申请实施例提供的一种获取质量的流程示意图;
图3是本申请实施例提供的一种获取密度的流程示意图;
图4是本申请实施例提供的一种获取轮廓类型的流程示意图;
图5是本申请实施例提供的一种获取受力区域的流程示意图;
图6是本申请实施例提供的一种机械手的控制装置的结构示意图;
图7是本申请实施例提供的一种质量获取模块的结构示意图;
图8是本申请实施例提供的一种参数获取单元的结构示意图;
图9是本申请实施例提供的一种类型获取模块的结构示意图;
图10是本申请实施例提供的一种受力区域模块的结构示意图;
图11是本申请实施例提供的一种拾取设备的结构框图;
图12是本申请实施例提供的一种用于实现机械手的控制方法的程序产品的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
参见图1,本申请实施例提供了一种机械手的控制方法,应用于拾取设备,所述拾取设备设置有机械手,所述方法包括步骤S101~S104。
步骤S101:获取目标对象的质量。
参见图2,在一具体实施方式中,所述步骤S101可以包括步骤S201~S203。
步骤S201:获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的。其中,视觉检测设备例如是2D检测设备、3D检测设备或者射线检测设备,射线检测设备例如是CT扫描仪。
步骤S202:根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积。
参见图3,在一具体实施方式中,所述第二视觉检测数据包括2D图像数据,所述步骤S202中,获取所述目标对象的密度的方法可以包括步骤S301~S302。
步骤S301:根据所述2D图像数据,获取所述目标对象的纹理信息。
步骤S302:根据所述目标对象的纹理信息,获取所述目标对象的密度。
其中,步骤S302可以包括:根据所述目标对象的纹理信息,获取所述目标对象的材质;根据所述目标对象的材质,获取所述目标对象的密度。
由此,2D图像信息可以较为直观地反映目标对象的纹理信息,可以根据目标对象的纹理信息判断目标对象的材质,从而根据材质获取目标对象的密度。
步骤S203:根据所述目标对象的密度和体积,获取所述目标对象的质量。
由此,可以利用视觉检测设备获取第二视觉检测数据,由第二视觉检测数据可以获取目标对象的密度和体积,从而获取目标对象的质量,整个质量估计过程利用计算机视觉技术直接获取目标对象的密度和体积,实现了非接触式质量估计,无需采取接触式的手段测量目标对象的质量。
步骤S102:获取所述目标对象的轮廓类型。具体地,轮廓类型可以是规则形状及其组合、不规则形状及其组合或者规则形状和不规则形状的组合,例如是U形管、不规则曲面造型等。
参见图4,在一具体实施方式中,所述步骤S102可以包括步骤S401~S402。
步骤S401:获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的。
步骤S402:根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。
由此,可以通过视觉检测设备获取目标对象的第一视觉检测数据,由第一视觉检测数据可以获取目标对象的轮廓类型,从而根据轮廓类型确定目标对象的受力区域。
步骤S103:获取所述轮廓类型对应的至少两个受力区域。
参见图5,在一具体实施方式中,所述步骤S103可以包括步骤S501~S503。
步骤S501:获取多个样本的轮廓类型数据和受力区域标注数据。
步骤S502:根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型。
步骤S503:将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。
由此,可以根据多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型,一方面,通过向轮廓受力模型输入目标对象的轮廓类型,即可得到对应的至少两个受力区域,便于机械手根据受力区域确定拾取位置,对目标对象进行拾取;另一方面,轮廓受力模型可以由大量的样本数据训练而成,可以识别多种轮廓类型,适用范围广,智能化水平高。
在一具体实施方式中,所述步骤S103可以包括:当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。
由此,当目标对象的轮廓类型为具有喇叭形边沿的开口时,喇叭形开口处内径较大,将开口的外周上的多个点作为受力区域,对该受力区域施力拾取目标对象,可以防止目标对象在拾取过程滑落,拾取成功率高。
步骤S104:根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。
由此,机械手可以根据目标对象的轮廓类型确定对应的至少两个受力区域,结合目标对象的质量和至少两个受力区域,同一机械手可以对不同形状、不同质量的目标对象在对应的至少两个受力区域施加对应大小的力,从而拾取不同形状、不同质量的目标对象。
在一具体实施方式中,所述目标对象的每个所述受力区域对应的拾取参数可以相等。具体地,拾取参数可以包括拾取力、拾取速度、拾取压强、电机参数、气缸参数、液压参数中的任意一种或几种。
由此,可以保证目标对象在每个受力区域处受力均匀,避免目标对象因为受力不均而损坏。
参见图6,本申请实施例还提供了一种机械手的控制装置,其具体实现方式与上述机械手的控制方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。所述装置应用于拾取设备,所述拾取设备设置有机械手。
所述装置包括:质量获取模块101,用于获取目标对象的质量;类型获取模块102,用于获取所述目标对象的轮廓类型;受力区域模块103,用于获取所述轮廓类型对应的至少两个受力区域;机械手控制模块104,用于根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。
参见图7,在一具体实施方式中,所述质量获取模块101可以包括:第二视觉单元1011,可以用于获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的;参数获取单元1012,可以用于根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积;获取质量单元1013,可以用于根据所述目标对象的密度和体积,获取所述目标对象的质量。
参见图8,在一具体实施方式中,所述第二视觉检测数据可以包括2D图像数据;所述参数获取单元1012可以包括:纹理获取子单元1012a,可以用于根据所述2D图像数据,获取所述目标对象的纹理信息;密度获取子单元1012b,可以用于根据所述目标对象的纹理信息,获取所述目标对象的密度。
参见图9,在一具体实施方式中,所述类型获取模块102可以包括:第一视觉单元1021,可以用于获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的;获取类型单元1022,可以用于根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。
参见图10,在一具体实施方式中,所述受力区域模块103可以包括:数据获取单元1031,可以用于获取多个样本的轮廓类型数据和受力区域标注数据;模型训练单元1032,可以用于根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型;区域获取单元1033,可以用于将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。
在一具体实施方式中,所述受力区域模块103可以用于当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。
在一具体实施方式中,所述目标对象的每个所述受力区域对应的拾取参数可以相等。
参见图11,本申请实施例还提供了一种拾取设备200,拾取设备200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220执行本申请实施例中机械手的控制方法的步骤,其具体实现方式与上述机械手的控制方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214,这样的程序模块包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
拾取设备200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该拾取设备200交互的设备通信,和/或与使得该拾取设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,拾取设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与拾取设备200的其它模块通信。应当明白,尽管图中未示出,可以结合拾取设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质用于存储计算机程序,所述计算机程序被执行时实现本申请实施例中机械手的控制方法的步骤,其具体实现方式与上述机械手的控制方法的实施例中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
图12示出了本实施例提供的用于实现上述机械手的控制方法的程序产品300,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品300不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,其设置有的实用进步性,已符合专利法所强调的功能增进及使用要件,本申请以上的说明及附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (16)
1.一种机械手的控制方法,其特征在于,应用于拾取设备,所述拾取设备设置有机械手,所述方法包括:
获取目标对象的质量;
获取所述目标对象的轮廓类型;
获取所述轮廓类型对应的至少两个受力区域;
根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。
2.根据权利要求1所述的机械手的控制方法,其特征在于,所述获取所述目标对象的轮廓类型,包括:
获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的;
根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。
3.根据权利要求1所述的机械手的控制方法,其特征在于,所述获取所述轮廓类型对应的至少两个受力区域,包括:
获取多个样本的轮廓类型数据和受力区域标注数据;
根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型;
将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。
4.根据权利要求1所述的机械手的控制方法,其特征在于,所述获取所述轮廓类型对应的至少两个受力区域,包括:
当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。
5.根据权利要求1所述的机械手的控制方法,其特征在于,所述目标对象的每个所述受力区域对应的拾取参数相等。
6.根据权利要求1所述的机械手的控制方法,其特征在于,所述获取目标对象的质量,包括:
获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的;
根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积;
根据所述目标对象的密度和体积,获取所述目标对象的质量。
7.根据权利要求6所述的机械手的控制方法,其特征在于,所述第二视觉检测数据包括2D图像数据;
获取所述目标对象的密度的方法包括:
根据所述2D图像数据,获取所述目标对象的纹理信息;
根据所述目标对象的纹理信息,获取所述目标对象的密度。
8.一种机械手的控制装置,其特征在于,应用于拾取设备,所述拾取设备设置有机械手,所述装置包括:
质量获取模块,用于获取目标对象的质量;
类型获取模块,用于获取所述目标对象的轮廓类型;
受力区域模块,用于获取所述轮廓类型对应的至少两个受力区域;
机械手控制模块,用于根据所述质量和所述至少两个受力区域,控制所述机械手对所述目标对象的所述至少两个受力区域施力,以使所述机械手拾取所述目标对象。
9.根据权利要求8所述的机械手的控制装置,其特征在于,所述类型获取模块包括:
第一视觉单元,用于获取所述目标对象的第一视觉检测数据,所述第一视觉检测数据是视觉检测设备检测所述目标对象得到的;
获取类型单元,用于根据所述目标对象的第一视觉检测数据,获取所述目标对象的轮廓类型。
10.根据权利要求8所述的机械手的控制装置,其特征在于,所述受力区域模块包括:
数据获取单元,用于获取多个样本的轮廓类型数据和受力区域标注数据;
模型训练单元,用于根据所述多个样本的轮廓类型数据和受力区域标注数据,利用深度学习模型进行训练,得到轮廓受力模型;
区域获取单元,用于将所述轮廓类型输入所述轮廓受力模型,得到所述轮廓类型对应的至少两个受力区域。
11.根据权利要求8所述的机械手的控制装置,其特征在于,所述受力区域模块用于当检测到所述轮廓类型是具有开口的类型且所述开口的边沿是喇叭形时,确定所述开口的外周上的多个点作为所述轮廓类型对应的至少两个受力区域。
12.根据权利要求8所述的机械手的控制装置,其特征在于,所述目标对象的每个所述受力区域对应的拾取参数相等。
13.根据权利要求8所述的机械手的控制装置,其特征在于,所述质量获取模块包括:
第二视觉单元,用于获取所述目标对象的第二视觉检测数据,所述第二视觉检测数据是视觉检测设备检测所述目标对象得到的;
参数获取单元,用于根据所述目标对象的第二视觉检测数据,获取所述目标对象的密度和体积;
获取质量单元,用于根据所述目标对象的密度和体积,获取所述目标对象的质量。
14.根据权利要求13所述的机械手的控制装置,其特征在于,所述第二视觉检测数据包括2D图像数据;
所述参数获取单元包括:
纹理获取子单元,用于根据所述2D图像数据,获取所述目标对象的纹理信息;
密度获取子单元,用于根据所述目标对象的纹理信息,获取所述目标对象的密度。
15.一种拾取设备,其特征在于,所述拾取设备包括存储器、处理器和机械手,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。
16.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011614958.1A CN112720496B (zh) | 2020-12-30 | 2020-12-30 | 机械手的控制方法、装置、拾取设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011614958.1A CN112720496B (zh) | 2020-12-30 | 2020-12-30 | 机械手的控制方法、装置、拾取设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112720496A CN112720496A (zh) | 2021-04-30 |
CN112720496B true CN112720496B (zh) | 2022-04-29 |
Family
ID=75610730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011614958.1A Active CN112720496B (zh) | 2020-12-30 | 2020-12-30 | 机械手的控制方法、装置、拾取设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112720496B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114589703A (zh) * | 2022-04-25 | 2022-06-07 | 北京京东乾石科技有限公司 | 端拾器控制方法、端拾器装置、搬运机器人及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018197079A1 (de) * | 2017-04-27 | 2018-11-01 | Robert Bosch Gmbh | Steuereinrichtung für eine prüfvorrichtung, prüfanordnung mit der steuereinrichtung, verfahren zur ansteuerung der prüfanordnung und computerprogramm |
CN109791614A (zh) * | 2016-07-15 | 2019-05-21 | 麦格纳国际公司 | 用于制造业用的适应性箱子拾取的系统和方法 |
CN110271000A (zh) * | 2019-06-18 | 2019-09-24 | 清华大学深圳研究生院 | 一种基于椭圆形面接触的物体抓取方法 |
CN110834335A (zh) * | 2019-11-21 | 2020-02-25 | 广东弓叶科技有限公司 | 物件夹取方法及分选设备 |
CN111055279A (zh) * | 2019-12-17 | 2020-04-24 | 清华大学深圳国际研究生院 | 基于触觉与视觉结合的多模态物体抓取方法与系统 |
CN111168686A (zh) * | 2020-02-25 | 2020-05-19 | 深圳市商汤科技有限公司 | 物体的抓取方法、装置、设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011614958.1A patent/CN112720496B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109791614A (zh) * | 2016-07-15 | 2019-05-21 | 麦格纳国际公司 | 用于制造业用的适应性箱子拾取的系统和方法 |
WO2018197079A1 (de) * | 2017-04-27 | 2018-11-01 | Robert Bosch Gmbh | Steuereinrichtung für eine prüfvorrichtung, prüfanordnung mit der steuereinrichtung, verfahren zur ansteuerung der prüfanordnung und computerprogramm |
CN110271000A (zh) * | 2019-06-18 | 2019-09-24 | 清华大学深圳研究生院 | 一种基于椭圆形面接触的物体抓取方法 |
CN110834335A (zh) * | 2019-11-21 | 2020-02-25 | 广东弓叶科技有限公司 | 物件夹取方法及分选设备 |
CN111055279A (zh) * | 2019-12-17 | 2020-04-24 | 清华大学深圳国际研究生院 | 基于触觉与视觉结合的多模态物体抓取方法与系统 |
CN111168686A (zh) * | 2020-02-25 | 2020-05-19 | 深圳市商汤科技有限公司 | 物体的抓取方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112720496A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345596B (zh) | 多传感器标定方法、装置、计算机设备、介质和车辆 | |
CN112651949A (zh) | 3d打印监控方法、装置、电子设备及存储介质 | |
CN111462109A (zh) | 一种耐张线夹的缺陷检测方法、装置、设备及存储介质 | |
CN112720496B (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN109978985B (zh) | 数据处理方法及装置、存储介质、电子设备 | |
CN113610968A (zh) | 目标检测模型的更新方法及装置 | |
CN111124863B (zh) | 智能设备性能测试方法、装置及智能设备 | |
CN113344862A (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN112598784B (zh) | 轮廓扫描结果的调整方法、装置、电子设备及存储介质 | |
CN110705466A (zh) | 自动化的测试系统、方法、电子设备及存储介质 | |
CN112785556A (zh) | 复检方法、装置、电子设备及计算机可读存储介质 | |
CN113561181B (zh) | 目标检测模型的更新方法、装置及系统 | |
CN112720500B (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN112720497B (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN111723799A (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN112720495A (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN112720499B (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN112775968B (zh) | 机械手的控制方法、装置、拾取设备及存储介质 | |
CN112598645B (zh) | 轮廓检测方法、装置、设备及存储介质 | |
CN112446946B (zh) | 基于稀疏深度与边界的深度重建方法、系统、设备及介质 | |
CN112785554A (zh) | 质量估计方法、装置、电子设备及存储介质 | |
CN111696154A (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN113240126A (zh) | 标注管理方法、装置、设备及存储介质 | |
CN111124862A (zh) | 智能设备性能测试方法、装置及智能设备 | |
CN112784687B (zh) | 机械手的控制方法、装置、设备及计算机可读存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220329 Address after: Building C, No.888, Huanhu West 2nd Road, Lingang New District, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Applicant after: Shenlan Intelligent Technology (Shanghai) Co.,Ltd. Address before: 213000 No.103, building 4, Chuangyan port, Changzhou science and Education City, No.18, middle Changwu Road, Wujin District, Changzhou City, Jiangsu Province Applicant before: SHENLAN ARTIFICIAL INTELLIGENCE CHIP RESEARCH INSTITUTE (JIANGSU) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |