CN113021333A - 一种物体的抓取方法、系统及终端设备 - Google Patents

一种物体的抓取方法、系统及终端设备 Download PDF

Info

Publication number
CN113021333A
CN113021333A CN201911363102.9A CN201911363102A CN113021333A CN 113021333 A CN113021333 A CN 113021333A CN 201911363102 A CN201911363102 A CN 201911363102A CN 113021333 A CN113021333 A CN 113021333A
Authority
CN
China
Prior art keywords
target object
grabbing
point cloud
model
cloud data
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.)
Pending
Application number
CN201911363102.9A
Other languages
English (en)
Inventor
王宏玉
毕丰隆
姜楠
王晓东
徐佳新
刘一恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Siasun Robot and Automation Co Ltd
Original Assignee
Shenyang Siasun Robot and Automation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Siasun Robot and Automation Co Ltd filed Critical Shenyang Siasun Robot and Automation Co Ltd
Priority to CN201911363102.9A priority Critical patent/CN113021333A/zh
Publication of CN113021333A publication Critical patent/CN113021333A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明适用于智能控制技术领域，提供了一种机器人抓取物体的方法、系统及终端设备，包括：获取目标物体所在场景的点云数据；将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位置；从不同视角获取所述目标物体的模型的点云数据；通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。上述方法可以适应不同复杂度的物体的抓取过程，有利于提高抓取的成功率，有效提高了拾放操作的智能化程度。

Description

一种物体的抓取方法、系统及终端设备
技术领域
本发明涉及智能控制领域，尤其涉及一种物体的抓取方法、系统、终端设备及计算机可读存储介质。
背景技术
随着计算机技术的不断发展，机器人逐渐应用到了各行各业中。同时，得益于3D传感器技术的快速发展，近年来基于3D视觉的机器人抓取方法也日渐成熟。目前，基于3D视觉的机器人抓取摆放操作主要通过物体3D模型与场景配准得到物体6自由度(Degree offreedom)位置姿态信息，然后根据目标物体的位姿信息引导机器人进行运动。这种基于3D配准的方法对于圆柱、圆盘及立方体等基础形状或者近似基础形状的物体适用性较好，对于形状复杂的物体则难以到达较高的抓取成功率。
故有必要提出一种新的技术方案，以解决上述技术问题。
发明内容
鉴于此，本发明实施例提供了一种物体的抓取方法、系统及终端设备，通过该方法可以准确抓取不同复杂度的物体，利于提高机器人抓取的成功率，有效提高了机器人拾放操作的智能化程度。
本发明实施例的第一方面提供了一种物体的抓取方法，所述抓取方法包括：
获取目标物体所在场景的点云数据；
将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位置；
从不同视角获取所述目标物体的模型的点云数据；
通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
可选地，在本申请提供的另一实施例中，所述从不同视角获取所述目标物体的模型的点云数据，包括：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
可选地，在本申请提供的另一实施例中，所述多个顶点或/和多个面为12个顶点或/和12个面，相应地，所述获得对应视角下的所述模型的点云数据，包括：
从十二面体的12个顶点或/和12个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
可选地，在本申请提供的另一实施例中，所述抓取方法还包括：
根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
可选地，在本申请提供的另一实施例中，所述获取目标物体所在场景的点云数据，包括：
通过3D相机对所述场景进行拍摄，以获得所述目标物体所在场景的点云数据
本发明实施例的第二方面提供了一种物体的抓取系统，所述抓取系统包括：
第一获取模块，用于获取目标物体所在场景的点云数据；
配准模块，用于将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位姿；
第二获取模块，用于从不同视角获取所述目标物体的模型的点云数据；
位姿计算模块，用于通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
抓取模块，用于选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
可选地，在本申请提供的另一实施例中，所述第二获取模块具体用于：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
可选地，在本申请提供的另一实施例中，所述抓取系统还包括：
放置模块，用于根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
本发明实施例的第三方面提供了一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述第一方面任一项提及的方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一方面任一项提及的方法。
本发明实施例与现有技术相比存在的有益效果是：本申请提供的实施例中首先获取目标物体所在场景的点云数据，将点云数据进行配准以确定目标物体在当前场景中的位置，然后从不同角度获取目标物体的模型的点云数据，以从不同角度确定抓取该目标物体的最佳位姿和抓取成功率，选择抓取成功率最高的抓取位姿为最终的抓取位姿对目标物体进行抓取。上述方法可以适应不同复杂度的物体的抓取过程，有利于提高抓取的成功率，有效提高了拾放操作的智能化程度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种物体的抓取方法的流程示意图；
图2为本发明实施例提供的多视点云生成示意图；
图3为本发明另一实施例提供的机器人抓取工件的示意图；
图4为本发明实施例二提供的一种物体的抓取系统的结构示意图；
图5为本发明实施例三提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
图1是本发明实施例一提供的一种物体的抓取方法的流程示意图，该方法可以包括以下步骤：
S101：获取目标物体所在场景的点云数据。
本申请提供的实施例中首先通过相机或其他设备获取目标物体当前所处场景的点云数据。具体地，通过3D相机对所述场景进行拍摄，以获得所述目标物体所在场景的点云数据。
S102：将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位置。
该步骤中将所获取的点云数据与目标物体的模型进行3D配准，该模型为目标的3D模型。3D配准是将两个或两个以上坐标系中的大容量三维空间数据点集转换到统一坐标系中的数学计算过程，实际上就是要找出两个坐标系之间的变换关系。这种关系可以用一个3×3的旋转矩阵R和三维平移向量t来描述，配准就是要求解出(R，t)，并以此作为物体位姿的表示方式。本申请中相机单视点采集得到实际场景点云与目标物体模型通过3D配准算法进行对齐，也就是将所拍摄的点云数据与模型中的数据进行匹配以找到目标物体，进而确定目标物体在当前场景中的位置。
S103：从不同视角获取所述目标物体的模型的点云数据。
该步骤中从过个不同视角多目标物体的模型进行3D拍摄，获取对应角度的点云数据。
进一步地，所述从不同视角获取所述目标物体的模型的点云数据，包括：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
所述多个顶点或/和多个面为12个顶点或/和12个面，相应地，所述获得对应视角下的所述模型的点云数据，包括：从十二面体的12个顶点或/和12个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
如图3所示，多视点云即从不同视角得到目标物体的CAD模型的部分视图。这里设定的视角是一个包在CAD模型外面的，由正五边形组成的十二面体，虚拟的相机从十二面体的每个顶点(或者每个面)拍摄CAD模型，然后得到对应视角下的点云。虚拟的相机会在每个顶点(或者面)都拍一遍，得到20个(或者12个，对应面的数量)视角下的点云(图2中给出了0、2、8、9四个视角下的目标点云数据)。
S104：通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率。
该步骤中结合不同视角下模型的点云数据、抓取目标物体所使用的设备的结构、抓取力的大小以及目标物体所处场景等因素计算每个视角下的最优抓取位姿及抓取成功率。也就是说，得到目标物体多视点云数据之后，可以针对每个单视点云，利用深度学习方法，通过神经网络综合考虑夹手与物体及环境的接触碰撞、抓取力闭合等因素，计算出该视角下最优抓取位姿并给出抓取成功率Q(0.0-1.0)。
S105：选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
该步骤中从多视角最优抓取位姿中选择抓取成功率最高的最有抓取位姿，以该抓取位姿为最终输出的最优抓取位姿。
可选地，本申请提供的实施例中所述抓取方法还包括：
根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
该步骤中将上一步骤中得到的最优抓取位姿表示成相对于相机拍摄视点的(R，t)矩阵形式，则最优抓取位姿与第一步骤中通过3D配准得到的物体位姿具有相同的表达形式，这样可以计算出抓取位姿与物体位姿之间的旋转平移变换，从而在随机抓取物体后可以对物体进行精确的摆放。
本发明实施例与现有技术相比存在的有益效果是：本申请提供的实施例中首先获取目标物体所在场景的点云数据，将点云数据进行配准以确定目标物体在当前场景中的位置，然后从不同角度获取目标物体的模型的点云数据，以从不同角度确定抓取该目标物体的最佳位姿和抓取成功率，选择抓取成功率最高的抓取位姿为最终的抓取位姿对目标物体进行抓取。上述方法可以适应不同复杂度的物体的抓取过程，有利于提高抓取的成功率，有效提高了拾放操作的智能化程度。
实施例二
下面以机械人分拣工件为例，对上述过程进行说明：
如图3所示机器人抓取一工件时，工件处于载物台(桌子)上的一置物盒内，首先，由3D相机对该载物台或置物盒进行拍照以获取的点云数据，将该点云数据与待抓取工件的模型进行3D配准，以确定待抓取工件在置物盒中的位置，上述待抓取工件的模型及其相关数据可以预先存储，使用时直接调用即可。然后从不同视角获取该待抓取工件的模型的点云数据；通过模型的点云数据、末端夹具的抓取力、抓取面积计算、机器人的运动方式等因素计算每个视角下的最优抓取位姿及抓取成功率(具体计算工程如实施一所述，在此不再赘述)；选择抓取成功率最高的视角下对应的最优抓取位姿对该待抓取工件进行抓取。然后根据待抓取工件在所述置物盒中的位置和所选择的最优抓取位姿计算放置位姿，最终将其稳定的放置在桌面上的分拣零件盒中。
实施例三
图4是本发明实施例二提供的一种机器人故障检测系统的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分。
该故障检测系统可以是内置于机器人内的软件单元、硬件单元或者软硬结合的单元，也可以作为独立的挂件集成到所述计算机或其他终端中。
所述物体的抓取系统，包括：
第一获取模块41，用于获取目标物体所在场景的点云数据；
配准模块42，用于将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位姿；
第二获取模块43，用于从不同视角获取所述目标物体的模型的点云数据；
位姿计算模块44，用于通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
抓取模块45，用于选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
可选地，在本申请提供的另一实施例中，所述第二获取模块43具体用于：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
可选地，在本申请提供的另一实施例中，所述抓取系统还包括：
放置模块，用于根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
该物体的抓取系统的工作过程参见上述机器人故障检测方法的实现过程，在此不再赘述。
实施例四
图5是本发明实施例四提供的终端设备的结构示意图。如图5所示，该实施例的终端设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如物体的抓取方法程序。所述处理器50执行所述计算机程序52时实现上述方法实施例一中的步骤，例如图1所示的步骤S101至S105。所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块41至45的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器51中，并由所述处理器50执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如，所述计算机程序52可以被分割成不同模块各模块具体功能如下：
第一获取模块，用于获取目标物体所在场景的点云数据；
配准模块，用于将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位姿；
第二获取模块，用于从不同视角获取所述目标物体的模型的点云数据；
位姿计算模块，用于通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
抓取模块，用于选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
可选地，在本申请提供的另一实施例中，所述第二获取模块具体用于：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
可选地，在本申请提供的另一实施例中，所述抓取系统还包括：
放置模块，用于根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
所述终端设备5可以是机器人、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5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，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种物体的抓取方法，其特征在于，所述抓取方法包括：
获取目标物体所在场景的点云数据；
将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位置；
从不同视角获取所述目标物体的模型的点云数据；
通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
2.根据权利要求1所述的抓取方法，其特征在于，所述从不同视角获取所述目标物体的模型的点云数据，包括：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
3.根据权利要求2所述的抓取方法，其特征在于，所述多个顶点或/和多个面为12个顶点或/和12个面，相应地，所述获得对应视角下的所述模型的点云数据，包括：
从十二面体的12个顶点或/和12个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
4.根据权利要求1所述的抓取方法，其特征在于，所述抓取方法还包括：
根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
5.根据权利要求1-4任一项所述的抓取方法，其特征在于，所述获取目标物体所在场景的点云数据，包括：
通过3D相机对所述场景进行拍摄，以获得所述目标物体所在场景的点云数据。
6.一种物体的抓取系统，其特征在于，所述抓取系统包括：
第一获取模块，用于获取目标物体所在场景的点云数据；
配准模块，用于将所述点云数据与所述目标物体的模型进行3D配准，以确定所述目标物体在所述场景中的位置；
第二获取模块，用于从不同视角获取所述目标物体的模型的点云数据；
位姿计算模块，用于通过所述模型的点云数据、抓取所述目标物体的抓取力、抓取面积计算每个视角下的最优抓取位姿及抓取成功率；
抓取模块，用于选择抓取成功率最高的视角下对应的最优抓取位姿对所述目标物体进行抓取。
7.根据权利要求6所述的抓取系统，其特征在于，所述第二获取模块具体用于：
设定所述视角为包在所述模型之外的由正五边形组成的十二面体对应的视角；
从十二面体的多个顶点或/和多个面对所述模型进行拍摄，以获得对应视角下的所述模型的点云数据。
8.根据权利要求6所述的抓取系统，其特征在于，所述抓取系统还包括：
放置模块，用于根据所述目标物体在所述场景中的位置和所选择的最优抓取位姿计算所述目标物体的放置位姿，以将所述目标物体放置在指定位置。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述方法的步骤。
CN201911363102.9A 2019-12-25 2019-12-25 一种物体的抓取方法、系统及终端设备 Pending CN113021333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911363102.9A CN113021333A (zh) 2019-12-25 2019-12-25 一种物体的抓取方法、系统及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911363102.9A CN113021333A (zh) 2019-12-25 2019-12-25 一种物体的抓取方法、系统及终端设备

Publications (1)

Publication Number Publication Date
CN113021333A true CN113021333A (zh) 2021-06-25

Family

ID=76458495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911363102.9A Pending CN113021333A (zh) 2019-12-25 2019-12-25 一种物体的抓取方法、系统及终端设备

Country Status (1)

Country Link
CN (1) CN113021333A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117961901A (zh) * 2024-02-22 2024-05-03 深圳市华焱智能有限公司 一种机器人引导抓取系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120075342A1 (en) * 2010-09-24 2012-03-29 Maha El Choubassi Augmenting image data based on related 3d point cloud data
US20150254527A1 (en) * 2014-03-04 2015-09-10 Kabushiki Kaisha Toshiba Methods for 3d object recognition and registration
CN105931218A (zh) * 2016-04-07 2016-09-07 武汉科技大学 模块化机械臂的智能分拣方法
CN106778790A (zh) * 2017-02-15 2017-05-31 苏州博众精工科技有限公司 一种基于三维点云的目标识别与定位方法及系统
CN109934864A (zh) * 2019-03-14 2019-06-25 东北大学 面向机械臂抓取位姿估计的残差网络深度学习方法
CN109964222A (zh) * 2016-11-03 2019-07-02 三菱电机株式会社 用于处理具有多个点的输入点云的系统和方法
CN110047147A (zh) * 2019-04-09 2019-07-23 易视智瞳科技（深圳）有限公司 一种3d点云处理方法、装置、系统及计算机存储介质
CN110097598A (zh) * 2019-04-11 2019-08-06 暨南大学 一种基于pvfh特征的三维物体位姿估计方法
CN110340891A (zh) * 2019-07-11 2019-10-18 河海大学常州校区 基于点云模板匹配技术的机械臂定位抓取系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120075342A1 (en) * 2010-09-24 2012-03-29 Maha El Choubassi Augmenting image data based on related 3d point cloud data
US20150254527A1 (en) * 2014-03-04 2015-09-10 Kabushiki Kaisha Toshiba Methods for 3d object recognition and registration
CN105931218A (zh) * 2016-04-07 2016-09-07 武汉科技大学 模块化机械臂的智能分拣方法
CN109964222A (zh) * 2016-11-03 2019-07-02 三菱电机株式会社 用于处理具有多个点的输入点云的系统和方法
CN106778790A (zh) * 2017-02-15 2017-05-31 苏州博众精工科技有限公司 一种基于三维点云的目标识别与定位方法及系统
CN109934864A (zh) * 2019-03-14 2019-06-25 东北大学 面向机械臂抓取位姿估计的残差网络深度学习方法
CN110047147A (zh) * 2019-04-09 2019-07-23 易视智瞳科技（深圳）有限公司 一种3d点云处理方法、装置、系统及计算机存储介质
CN110097598A (zh) * 2019-04-11 2019-08-06 暨南大学 一种基于pvfh特征的三维物体位姿估计方法
CN110340891A (zh) * 2019-07-11 2019-10-18 河海大学常州校区 基于点云模板匹配技术的机械臂定位抓取系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
肖海兵: "《先进激光加工技能实训》", 31 March 2019 *
陈宗海: "《系统仿真技术及其应用.第17卷》", 31 August 2016 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117961901A (zh) * 2024-02-22 2024-05-03 深圳市华焱智能有限公司 一种机器人引导抓取系统及方法

Similar Documents

Publication Publication Date Title
CN108044627B (zh) 抓取位置的检测方法、装置及机械臂
CN111015655B (zh) 机械臂抓取方法、装置、计算机可读存储介质及机器人
CN113223091B (zh) 三维目标检测方法、抓取方法、装置及电子设备
CN109015640B (zh) 抓取方法、系统、计算机装置及可读存储介质
Song et al. CAD-based pose estimation design for random bin picking using a RGB-D camera
CN113610921B (zh) 混合工件抓取方法、设备及计算机可读存储介质
JP3768174B2 (ja) ワーク取出し装置
CN108115688B (zh) 一种机械臂的抓取控制方法、系统及机械臂
Wu et al. CAD-based pose estimation for random bin-picking of multiple objects using a RGB-D camera
CN112686950B (zh) 位姿估计方法、装置、终端设备及计算机可读存储介质
CN109955244B (zh) 一种基于视觉伺服的抓取控制方法、装置和机器人
CN112669385A (zh) 基于三维点云特征的工业机器人工件识别与位姿估计方法
Wu et al. Hand-eye calibration and inverse kinematics of robot arm using neural network
CN112348890B (zh) 一种空间定位方法、装置及计算机可读存储介质
CN115713547A (zh) 运动轨迹的生成方法、装置及处理设备
CN112164115A (zh) 物体位姿识别的方法、装置及计算机存储介质
CN113269723A (zh) 三维视觉定位与机械手协同工作的零部件无序抓取系统
CN111415420A (zh) 空间信息确定方法、装置及电子设备
CN115284279B (zh) 一种基于混叠工件的机械臂抓取方法、装置及可读介质
CN114310892B (zh) 基于点云数据碰撞检测的物体抓取方法、装置和设备
CN109255801A (zh) 视频中三维物体边缘追踪的方法、装置、设备及存储介质
CN113744409B (zh) 工件定位方法、装置、系统、设备与介质
CN115082498A (zh) 一种机器人抓取位姿估计方法、装置、设备及存储介质
CN108555902B (zh) 一种机器人分拣物品的方法、装置及机器人
CN113021333A (zh) 一种物体的抓取方法、系统及终端设备

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210625

WD01 Invention patent application deemed withdrawn after publication