CN115070757A - 物体抓取方法、装置、机器人及存储介质 - Google Patents
物体抓取方法、装置、机器人及存储介质 Download PDFInfo
- Publication number
- CN115070757A CN115070757A CN202210664601.7A CN202210664601A CN115070757A CN 115070757 A CN115070757 A CN 115070757A CN 202210664601 A CN202210664601 A CN 202210664601A CN 115070757 A CN115070757 A CN 115070757A
- Authority
- CN
- China
- Prior art keywords
- grabbed
- point cloud
- cloud data
- determining
- grabbing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/1605—Simulation of manipulator lay-out, design, modelling of manipulator
-
- 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
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
- B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Robotics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种物体抓取方法、装置、机器人及存储介质。该方法包括：获取当前抓取场景下待抓取物体对应的点云数据；其中，当前抓取场景下包括至少一个待抓取物体；点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；根据局部点云数据和所述模型点云数据，确定待抓取物体对应的可操作面和位姿数据；确定可操作面相对于执行器的投影，并将投影作为待抓取物体的可操作面投影数据；根据可操作面投影数据，从至少一个待抓取物体中确定目标物体；根据目标物体对应的位姿数据，对所述目标物体进行抓取。本申请实施例兼顾了物体抓取场景的全面性的同时提高了物体抓取效率。
Description
技术领域
本发明涉及自动化技术领域，尤其涉及一种物体抓取方法、装置、机器人及存储介质。
背景技术
随着机器人技术领域的不断发展，应用在各技术领域的机器人自动化程度不断提高，应用潜力也在持续增长。在机器人作业过程中，如何使机器人准确高效的对物体进行抓取，成为了当前对机器人研究的热点话题。
针对机器人对无序摆放的物体进行抓取方面的相关研究，现有技术通常采用根据物体深度确定物体的抓取顺序的方式，实现对物体的抓取。然而，这种方式抓取仅适用于物体摆放较为整齐的应用场景下，不适用于物体摆放无规律的复杂场景。或者，采用对物体抓取过程的多种评价值，如抓取位置可达性、物体相对高度和物体稳定性等，确定物体抓取顺序，这种方式适用较为复杂的场景，但提出的多种评价值使得机器人计算时间过长，导致抓取效率较低。
发明内容
本发明提供了一种物体抓取方法、装置、机器人及存储介质，以兼顾物体抓取场景的全面性的同时提高物体抓取效率。
根据本发明的一方面，提供了一种物体抓取方法，该方法包括：
获取当前抓取场景下待抓取物体对应的点云数据；其中，所述当前抓取场景下包括至少一个待抓取物体；所述点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；
根据所述局部点云数据和所述模型点云数据，确定所述待抓取物体对应的可操作面和位姿数据；
确定所述可操作面相对于执行器的投影，并将所述投影作为所述待抓取物体的可操作面投影数据；
根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体；
根据所述目标物体对应的位姿数据，对所述目标物体进行抓取。
根据本发明的另一方面，提供了一种物体抓取装置，该装置包括：
点云数据获取模块，用于获取当前抓取场景下待抓取物体对应的点云数据；其中，所述当前抓取场景下包括至少一个待抓取物体；所述点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；
位姿数据确定模块，用于根据所述局部点云数据和所述模型点云数据，确定所述待抓取物体对应的可操作面和位姿数据；
投影数据确定模块，用于确定所述可操作面相对于执行器的投影，并将所述投影作为所述待抓取物体的可操作面投影数据；
目标物体确定模块，用于根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体；
目标物体抓取模块，用于根据所述目标物体对应的位姿数据，对所述目标物体进行抓取。
根据本发明的另一方面，提供了一种机器人，所述机器人包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的物体抓取方法。
根据本发明的另一方面，提供了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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的物体抓取方法。
本发明实施例方案通过确定可操作面相对于执行器的投影，并将投影作为待抓取物体的可操作面投影数据；根据可操作面投影数据，从至少一个待抓取物体中确定目标物体；根据目标物体对应的位姿数据，对目标物体进行抓取。本发明实施例通过采用可操作面的投影确定目标物体的方式，实现了在各种物体抓取场景下对物体的抓取，避免了采用繁多的评价值计算目标物体的效率问题，在不影响对目标物体抓取准确度的前提下，兼顾了物体抓取场景的全面性的同时提高了物体抓取效率。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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的前提下，还可以根据这些附图获得其他的附图。
图1A是根据本发明实施例一提供的一种物体抓取方法的流程图；
图1B是根据本发明实施例一提供的一种长圆柱物体的结构示意图；
图2是根据本发明实施例二提供的一种物体抓取装置的结构示意图；
图3是实现本发明实施例的物体抓取方法的机器人的结构示意图；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1A为本发明实施例一提供了一种物体抓取方法的流程图，本实施例可适用于对无序摆放零件进行抓取的情况，该方法可以由物体抓取装置来执行，该物体抓取装置可以采用硬件和/或软件的形式实现，该物体抓取装置可配置于机器人中。如图1A所示，该方法包括：
S110、获取当前抓取场景下待抓取物体对应的点云数据；其中，当前抓取场景下包括至少一个待抓取物体；点云数据包括待抓取物体的局部点云数据和基于待抓取物体构建的虚拟模型的模型点云数据。
其中，当前抓取场景可以是任意物体抓取场景，例如，当前抓取场景可以是抓取深筐中无序摆放的物体，或传送带上有序摆放的物体，本实施例对此不进行限定。其中，抓取场景下包括至少一个待抓取物体，待抓取物体在抓取场景下的摆放位置可以是有序摆放，也可以是无序摆放。
其中，点云数据可以包括待抓取物体的局部点云数据和基于待抓取物体构建的虚拟模型的模型点云数据。其中，待抓取物体的局部点云数据可以是待抓取物体在当前抓取场景下可被采集设备采集到的可见部分的点云数据，不可见部分不生成点云。局部点云数据的获取方式可以是通过采集设备进行获取，例如，采集设备可以是rgbd相机(red greenblue-deep camera，彩色-深度相机)。
其中，基于待抓取物体构建的虚拟模型可以通过现有的模型构建程序、软件或工具进行构建，并对构建的虚拟模型生成对应的模型点云数据。待抓取物体对于的模型点云数据可以预先构建生成，并在使用过程中直接获取。
可以理解的是，待抓取物体的局部点云的获取方式可以是对采集设备获取到的图像或点云数据进行预处理后得到的。
在一个可选实施例中，获取当前抓取场景下待抓取物体对应的局部点云数据，包括：获取当前抓取场景对应的场景点云数据；根据场景点云数据，确定当前场景下各待抓取物体分别对应的局部点云数据。
其中，场景点云数据可以是被抓物体所属场景的点云数据，场景点云数据可以由图像采集设备，如rgbd相机，直接获取得到。
示例性的，图像采集设备的采集角度可以是与待抓取物体所属场景平面的垂直角度，当图像采集设备对物体进行拍摄时，待抓取物体所在场景也会一同被拍摄下，得到场景点云数据。后续需要带有物体的场景点云数据进行处理，即将除物体部分之外的其他冗余点云数据进行剔除，从而得到各待抓取物体对应的局部点云数据。
具体的，可以采用现有的三维点云预处理技术对场景点云数据进行预处理，例如，预处理过程可以包括对非待抓取物体部分的点云进行去除或点云滤波等。从而得到仅包含各待抓取点云数据的局部点云数据。
可以理解的是，对场景点云数据进行预处理得到后的点云数据是包括在当前场景下的至少一个待抓取物体的局部点云数据。若想要得到每一个待抓取物体分别对应的局部点云数据，还需要对场景点云数据预处理后得到的点云数据进行分割处理。
在一个可选实施例中，根据场景点云数据，确定当前场景下各待抓取物体分别对应的局部点云数据，包括：根据场景点云数据，确定目标区域点云数据；根据目标区域点云数据，确定在当前抓取场景下各待抓取物体分别对应的局部点云数据。
其中，目标区域点云数据可以是采集设备能够采集得到的至少一个待抓取物体对应的点云数据。
示例性的，可以采用现有的点云数据分割技术，对目标区域点云数据进行分隔，从而得到在当前抓取场景下的各待抓取物体分别对应的局部点云数据。例如，现有的点云数据分割技术可以是点云数据去噪和连通域分割等，本实施例对此不进行限制。
S120、根据局部点云数据和模型点云数据，确定待抓取物体对应的可操作面和位姿数据。
其中，待抓取物体的可操作面可以是机器抓手对待抓取物体的可操控空间，即对待抓取物体可施展抓取动作的平面。其中，位姿数据可以是机器抓手根据可操作面对待抓取物体进行抓取时的位置。位姿数据可以包括旋转矩阵和平移矩阵。其中，可操作面可以是平面，也可以是曲面，本实施例对此不进行限制。
示例性的，可以通过点云匹配算法，基于局部点云数据和模型点云数据，确定待抓取物体的可操作面和位姿数据。例如，点云匹配算法可以是ICP算法(Iterative ClosestPoint，迭代最近点算法)。
示例性的，可以将局部点云数据和模型点云数据作为ICP算法的输入数据，ICP算法根据局部点云数据和模型点云数据进行点云匹配，从而得到各待抓取物体相对于执行器的可操作面，以及针对可操作面，抓取待抓取物体所对应的旋转矩阵和位移矩阵。机器抓手后续可以根据旋转矩阵和位移矩阵对待抓取物体进行抓取。
S130、确定可操作面相对于执行器的投影，并将投影作为待抓取物体的可操作面投影数据。
其中，可操作面相对于执行器的投影可以通过现有的平面投影技术确定。将得到的投影作为待抓取平面的可操作面投影数据。其中，执行器可以是执行抓取物体所需使用的控制设备或装置。例如，执行器可以是机器人的机器抓手或吸盘等。示例性的，若执行器为吸盘，且根据获取的位姿数据可以确定执行器执行自上而下的吸取操作，则执行器的最佳操作平面为与吸盘口所在面平行的平面，可操作面投影数据可以是待抓取物体的可操作面向该平面的投影。
需要说明的是，例如在对深筐中无序摆放的物体进行抓取的场景下，底层的物体会被高层物体覆盖、遮挡。因此，底层物体的可操作性平面的面积相对于位于高处物体而言面积较小。在对各待抓取物体进行投影的过程中，可以反映待抓取物体在贴合筐壁或者与其他零件贴合的情况下，可操作面面积的大小，同时能够反映抓取倾角带来的难度。因此，待抓取物体的可操作面相对于执行器的投影涵盖了高度信息、抓取角度信息以及易碰撞信息等。
S140、根据可操作面投影数据，从至少一个待抓取物体中确定目标物体。
其中，目标物体可以是当前抓取次数下，确定得到的由机器抓手进行抓取的物体。
在一个可选实施例中，根据可操作面投影数据，从至少一个待抓取物体中确定目标物体，包括：根据可操作面投影数据中的投影面积，从至少一个待抓取物体中确定目标物体。
示例性的，可以根据可操作面投影数据中的投影面积大小，对采集设备采集得到的至少一个待抓取物体进行排序，并根据排序结果，确定目标物体。
在一个可选实施例中，根据可操作面投影数据中的投影面积，从至少一个待抓取物体中确定目标物体，包括：将可操作面投影数据中的投影面积较大的待抓取物体，确定为目标物体。
在确定的各待抓取物体对应的投影面积中，可以将投影面积最大的待抓取物体作为目标物体。
S150、根据目标物体对应的位姿数据，对目标物体进行抓取。
示例性的，机器人的机器抓手可以根据目标物体对应的位姿数据中的旋转矩阵和平移矩阵，对目标物体进行抓取。
本发明实施例方案通过确定可操作面相对于执行器的投影，并将投影作为待抓取物体的可操作面投影数据；根据可操作面投影数据，从至少一个待抓取物体中确定目标物体；根据目标物体对应的位姿数据，对目标物体进行抓取。本发明实施例通过采用可操作面的投影确定目标物体的方式，实现了在各种物体抓取场景下对物体的抓取，避免了采用繁多的评价值计算目标物体的效率问题，在不影响对目标物体抓取准确度的前提下，兼顾了物体抓取场景的全面性的同时提高了物体抓取效率。
在一个具体实施例中，针对深筐拣选场景，通过构建各待抓物体的可操作面投影，来确定深筐中无序零件的抓取顺序。
在深筐中，rgbd相机自上而下可以看见多个待抓取物体，由于待抓取物体在深筐中的摆放位置、倾斜角度都不相同，因此这些待抓取物体的抓取难以易程度是不同的，为了提高生产效率和保证生产安全，需要确定各待抓取物体的抓取顺序。
通常在抓取物体时，相机在观测时，不能看见待抓取物体的全部点云数据，仅能看到局部部分点云。如图1B所示的一种长圆柱物体的结构示意图。相机观测是能够看到的长圆柱物体的局部部分可以是的侧面的上半部分S2，而图中的上底面S1，和侧面的下半部分S3是不可见的。根据待抓取物体的模型点云数据与局部点云数据的匹配结果，可以确定该长圆柱物体的可操作面。将可操作面向筐底平面进行投影形成如图1B中S11所指向的部分，这部分点的包络多边形占据的面积就反映了该待抓取物体在当前场景下的可操作性平面投影数据。
确定目标物体并对目标物体进行抓取的实施过程可以为：由相机获取待抓取物体在场景中的局部点云数据；对每个待抓取物体的局部点云数据计算得到各待抓取物提的可操作面投影；对各待抓取物体的可操作面投影进行排序，选择投影面积最大的作为优先抓取的目标物体，由机器人的机器抓手对该目标物体进行抓取。重复上述步骤直到清筐。
实施例二
图2为本发明实施例二提供的一种物体抓取装置的结构示意图。如图2所示，本发明实施例所提供的一种物体抓取装置，该装置可适用于对无序摆放零件进行抓取的情况，该装置可采用软件和/或硬件的方式实现。如图2所示，该装置具体包括：点云数据获取模块201、位姿数据确定模块202、投影数据确定模块203、目标物体确定模块204和目标物体抓取模块205。其中，
点云数据获取模块201，用于获取当前抓取场景下待抓取物体对应的点云数据；其中，所述当前抓取场景下包括至少一个待抓取物体；所述点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；
位姿数据确定模块202，用于根据所述局部点云数据和所述模型点云数据，确定所述待抓取物体对应的可操作面和位姿数据；
投影数据确定模块203，用于确定所述可操作面相对于执行器的投影，并将所述投影作为所述待抓取物体的可操作面投影数据；
目标物体确定模块204，用于根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体；
目标物体抓取模块205，用于根据所述目标物体对应的位姿数据，对所述目标物体进行抓取。
本发明实施例方案通过确定可操作面相对于执行器的投影，并将投影作为待抓取物体的可操作面投影数据；根据可操作面投影数据，从至少一个待抓取物体中确定目标物体；根据目标物体对应的位姿数据，对目标物体进行抓取。本发明实施例通过采用可操作面的投影确定目标物体的方式，实现了在各种物体抓取场景下对物体的抓取，避免了采用繁多的评价值计算目标物体的效率问题，在不影响对目标物体抓取准确度的前提下，兼顾了物体抓取场景的全面性的同时提高了物体抓取效率。
可选的，所述目标物体确定模块204，包括：
目标物体确定单元，用于根据所述可操作面投影数据中的投影面积，从至少一个待抓取物体中确定所述目标物体。
可选的，所述目标物体确定单元，包括：目标物体确定子单元，用于将所述可操作面投影数据中的投影面积较大的待抓取物体，确定为所述目标物体。
可选的，所述点云数据获取模块201，包括：
场景点云数据获取单元，用于获取所述当前抓取场景对应的场景点云数据；
局部点云数据确定单元，用于根据所述场景点云数据，确定所述当前场景下各待抓取物体分别对应的局部点云数据。
可选的，所述局部点云数据确定单元，包括：
区域点云数据确定子单元，用于根据所述场景点云数据，确定目标区域点云数据；
局部点云数据确定子单元，用于根据所述目标区域点云数据，确定在所述当前抓取场景下各待抓取物体分别对应的局部点云数据。
上述物体抓取模型训练装置可执行本发明任意实施例所提供的物体抓取方法，具备执行各物体抓取方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的机器人30的结构示意图。机器人旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。机器人还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示，机器人30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器(ROM)32、随机访问存储器(RAM)33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器(ROM)32中的计算机程序或者从存储单元38加载到随机访问存储器(RAM)33中的计算机程序，来执行各种适当的动作和处理。在RAM 33中，还可存储机器人30操作所需的各种程序和数据。处理器31、ROM 32以及RAM 33通过总线34彼此相连。输入/输出(I/O)接口35也连接至总线34。
机器人30中的多个部件连接至I/O接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许机器人30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理，例如物体抓取方法。
在一些实施例中，物体抓取方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由ROM 32和/或通信单元39而被载入和/或安装到机器人30上。当计算机程序加载到RAM 33并由处理器31执行时，可以执行上文描述的物体抓取方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行物体抓取方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在机器人上实施此处描述的系统和技术，该机器人具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给机器人。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种物体抓取方法，其特征在于，包括：
获取当前抓取场景下待抓取物体对应的点云数据；其中，所述当前抓取场景下包括至少一个待抓取物体；所述点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；
根据所述局部点云数据和所述模型点云数据，确定所述待抓取物体对应的可操作面和位姿数据；
确定所述可操作面相对于执行器的投影，并将所述投影作为所述待抓取物体的可操作面投影数据；
根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体；
根据所述目标物体对应的位姿数据，对所述目标物体进行抓取。
2.根据权利要求1所述的方法，其特征在于，所述根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体，包括：
根据所述可操作面投影数据中的投影面积，从至少一个待抓取物体中确定所述目标物体。
3.根据权利要求2所述的方法，其特征在于，所述根据所述可操作面投影数据中的投影面积，从至少一个待抓取物体中确定目标物体，包括：
将所述可操作面投影数据中的投影面积较大的待抓取物体，确定为所述目标物体。
4.根据权利要求1-3任一项所述的方法，其特征在于，获取当前抓取场景下待抓取物体对应的局部点云数据，包括：
获取所述当前抓取场景对应的场景点云数据；
根据所述场景点云数据，确定所述当前场景下各待抓取物体分别对应的局部点云数据。
5.根据权利要求4所述的方法，其特征在于，所述根据所述场景点云数据，确定所述当前场景下各待抓取物体分别对应的局部点云数据，包括：
根据所述场景点云数据，确定目标区域点云数据；
根据所述目标区域点云数据，确定在所述当前抓取场景下各待抓取物体分别对应的局部点云数据。
6.一种物体抓取装置，其特征在于，包括：
点云数据获取模块，用于获取当前抓取场景下待抓取物体对应的点云数据；其中，所述当前抓取场景下包括至少一个待抓取物体；所述点云数据包括所述待抓取物体的局部点云数据和基于所述待抓取物体构建的虚拟模型的模型点云数据；
位姿数据确定模块，用于根据所述局部点云数据和所述模型点云数据，确定所述待抓取物体对应的可操作面和位姿数据；
投影数据确定模块，用于确定所述可操作面相对于执行器，并将所述投影作为所述待抓取物体的可操作面投影数据；
目标物体确定模块，用于根据所述可操作面投影数据，从至少一个待抓取物体中确定目标物体；
目标物体抓取模块，用于根据所述目标物体对应的位姿数据，对所述目标物体进行抓取。
7.根据权利要求6所述的装置，其特征在于，所述目标物体确定模块，包括：
目标物体确定单元，用于根据所述可操作面投影数据中的投影面积，从至少一个待抓取物体中确定所述目标物体。
8.根据权利要求7所述的装置，其特征在于，所述目标物体确定单元，包括：
目标物体确定子单元，用于将所述可操作面投影数据中的投影面积较大的待抓取物体，确定为所述目标物体。
9.一种机器人，其特征在于，所述机器人包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的物体抓取方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的物体抓取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210664601.7A CN115070757A (zh) | 2022-06-13 | 2022-06-13 | 物体抓取方法、装置、机器人及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210664601.7A CN115070757A (zh) | 2022-06-13 | 2022-06-13 | 物体抓取方法、装置、机器人及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115070757A true CN115070757A (zh) | 2022-09-20 |
Family
ID=83250789
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210664601.7A Pending CN115070757A (zh) | 2022-06-13 | 2022-06-13 | 物体抓取方法、装置、机器人及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115070757A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116243795A (zh) * | 2023-02-20 | 2023-06-09 | 南方科技大学 | 基于混合现实的物品抓取方法及混合现实设备 |
-
2022
- 2022-06-13 CN CN202210664601.7A patent/CN115070757A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116243795A (zh) * | 2023-02-20 | 2023-06-09 | 南方科技大学 | 基于混合现实的物品抓取方法及混合现实设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111754515B (zh) | 堆叠物品的顺序抓取方法和装置 | |
| CN110659600B (zh) | 物体检测方法、装置及设备 | |
| CN115781673A (zh) | 一种零件抓取方法、装置、设备及介质 | |
| CN115147558B (zh) | 三维重建模型的训练方法、三维重建方法及装置 | |
| CN111428731A (zh) | 基于机器视觉的多类目标识别定位方法、装置和设备 | |
| CN110370268B (zh) | 箱内拣选的方法、装置和系统 | |
| CN106200927A (zh) | 一种信息处理方法及头戴式设备 | |
| CN115321090B (zh) | 机场行李自动接取方法、装置、设备、系统及介质 | |
| CN109376743A (zh) | 图像处理方法、装置、图像识别设备及储存介质 | |
| CN115070757A (zh) | 物体抓取方法、装置、机器人及存储介质 | |
| CN112785582A (zh) | 热力图生成模型的训练方法、装置、电子设备和存储介质 | |
| CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
| CN114202526A (zh) | 质量检测方法、系统、装置、电子设备和介质 | |
| EP3711027A1 (en) | System and method for drawing beautification | |
| WO2023207186A1 (zh) | 目标定位方法、装置、电子设备及存储介质 | |
| CN111240195A (zh) | 基于机器视觉的自动控制模型训练、目标物回收方法及装置 | |
| CN116000966A (zh) | 一种工件抓取方法、装置、设备和存储介质 | |
| US20220203547A1 (en) | System and method for improving automated robotic picking via pick planning and interventional assistance | |
| CN115100416A (zh) | 一种不规则钢板位姿识别方法及相关设备 | |
| CN114463856A (zh) | 姿态估计模型的训练与姿态估计方法、装置、设备及介质 | |
| CN113936158A (zh) | 一种标签匹配方法及装置 | |
| CN116777986A (zh) | 基于工业互联网的工件分拣方法、装置和存储介质 | |
| Xie et al. | A fast and robust fingertips tracking algorithm for vision-based multi-touch interaction | |
| CN117428779A (zh) | 一种机器人抓取控制方法、装置、设备及存储介质 | |
| CN115937950A (zh) | 一种多角度人脸数据采集方法、装置、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 |
Address after: 200126 building 6, 646 Jianchuan Road, Minhang District, Shanghai Applicant after: Jieka Robot Co.,Ltd. Address before: 200126 building 6, 646 Jianchuan Road, Minhang District, Shanghai Applicant before: SHANGHAI JAKA ROBOTICS Ltd. |
|
| CB02 | Change of applicant information |