CN115741696A - 一种物体抓取方法、装置、设备及存储介质 - Google Patents
一种物体抓取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115741696A CN115741696A CN202211462506.5A CN202211462506A CN115741696A CN 115741696 A CN115741696 A CN 115741696A CN 202211462506 A CN202211462506 A CN 202211462506A CN 115741696 A CN115741696 A CN 115741696A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- access
- local
- determining
- 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 52
- 238000003860 storage Methods 0.000 title claims abstract description 19
- 239000013598 vector Substances 0.000 claims abstract description 86
- 238000004590 computer program Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种物体抓取方法、装置、设备及存储介质,涉及物体抓取技术领域。该方法包括:根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;根据局部极值点,确定局部点云;根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。本发明实施例的技术方案,通过确定局部极值点,进而确定局部点云,并根据局部点云,确定机器人的抓取位姿,提高了确定物体点云中局部极值点的效率,提高了抓取物体的效率。
Description
技术领域
本发明涉及物体抓取技术领域,尤其涉及一种物体抓取方法、装置、设备及存储介质。
背景技术
在三维物体抓取等应用领域中,物体点云的局部极值有助于快速确定可抓取目标,对于提高生产效率有着重要的作用。
目前常用的局部极值搜索策略基于遍历算法,对物体点云中的每一个点与该点邻域内其他点进行比较,确定局部极值点,计算时间复杂度较高,局部极值点的确定效率较低,物体抓取效率较低。
发明内容
本发明提供了一种物体抓取方法、装置、设备及存储介质,以提高确定物体点云中局部极值点的效率,提高抓取物体的效率。
根据本发明的一方面,提供了一种物体抓取方法,包括:
根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;
根据局部极值点,确定局部点云;
根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。
根据本发明的另一方面,提供了一种物体抓取装置,包括:
极值点确定模块,用于根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;
局部点云确定模块,用于根据局部极值点,确定局部点云;
物体抓取模块,用于根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。
根据本发明的另一方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;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,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的一种物体抓取方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的一种物体抓取方法。
本发明实施例的技术方案,通过根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;根据局部极值点,确定局部点云;根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。本发明实施例的技术方案,通过确定局部极值点,进而确定局部点云,并根据局部点云,确定机器人的抓取位姿,提高了确定物体点云中局部极值点的效率,提高了抓取物体的效率。
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1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2A是根据本发明实施例二提供的一种物体抓取方法的流程图;
图2B是根据本发明实施例二提供的一种局部极值点确定过程的示意图;
图3是根据本发明实施例三提供的一种物体抓取装置的结构图;
图4是实现本发明实施例的物体抓取方法的电子设备的结构图。
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。
此外,还需要说明的是,本发明的技术方案中,所涉及的点云等的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
实施例一
图1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物体进行抓取的情况,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电子设备中,例如物体抓取主控系统设备中。
如图1所示,该方法包括:
S101、根据点云访问向量,从目标物体的点云中确定局部极值点。
其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问。
示例性的,点云访问向量为[0,0,0,1,1,0,1],该点云访问向量中元素从左至右,依次对应点云中的7个点。其中,元素值为0,表示该元素对应点云中的点未访问;元素值为1,表示对应点云中的点已访问。
其中,元素值为未访问用于表征对应点云中的点仍需进行局部极值点的确定操作;元素值为已访问用于表征对应点云中的点无需进行局部极值点的确定操作。
本实施例中,目标物体可以是当前等待抓取的物体;局部极值点可以是目标物体的点云中坐标值最大或最小的点。
具体的,根据点云访问向量,访问点云中的点,根据访问的点云中的点与该点周围点的坐标值的大小关系,确定局部极值点。
在一个具体实施例中,构建初始元素值为空的局部极值索引向量,将局部极值点的索引作为元素值存入局部极值索引向量中,便于在局部极值点的确定过程结束后查找局部极值点。
可选的,根据点云中点的数量,构建点云访问向量。
具体的,将点云中点的数量作为点云访问向量的长度,以点云中的各点的编号为顺序,以点云中的点是否被访问作为向量的元素值,构建点云访问向量。
可以理解的是,采用上述技术方案,根据点云中点的数量,构建点云访问向量,使点云访问向量中包含了点云中所有点的元素值,从而确保从目标物体的点云中确定局部极值点时,不会遗漏访问点云中的点,提高了局部极值点的准确性。
在一个具体实施例中,可以通过RGB-D(Red Green Blue-Depth,红绿蓝-深度图像)相机拍摄的方式获取目标物体的点云,并将点云的原点从相机坐标系转换到容器坐标系,容器例如可以是分拣箱等机器人的工作坐标系,便于机器人对目标物体进行抓取。
S102、根据局部极值点,确定局部点云。
其中,局部点云可以是以局部极值点为中心的点云。
具体的,将以局部极值点为中心,预设半径内的点云中点组成的点云作为局部点云。需要说明的是,预设半径可以由技术人员根据实际需求和实践经验自主设定,本发明对此不作限定。
S103、根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。
其中,抓取位姿可以是机器人对目标物体进行抓取的位姿。
具体的,对局部点云进行平面拟合,得到局部点云的拟合平面,将该拟合平面的法向量作为抓取向量,根据抓取向量确定机器人的抓取位姿,以实现对目标物体的抓取。
在一个具体实施例中,若存在多个等待抓取的物体,则依次将各等待抓取的物体作为目标物体,采用本发明实施例的技术方案,确定机器人对应的抓取位姿,以实现对目标物体的抓取,直至完成对所有等待抓取物体的抓取。
需要说明的是,相关技术中开源PCL(Point Cloud Library,点云库)库中的算法对百万级点云进行1000次运算需要50秒,通过本发明的技术方案可以在2秒内完成,大幅提升计算效率。对于单次场景点云可以在2ms内返回计算结果,有助于配合机器人进行实时控制系统的设计,如动态避障。
本发明实施例通过根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;根据局部极值点,确定局部点云;根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。采用上述技术方案,通过确定局部极值点,进而确定局部点云,并根据局部点云,确定机器人的抓取位姿,提高了确定物体点云中局部极值点的效率,提高了抓取物体的效率。
实施例二
图2A为本发明实施例二提供的一种物体抓取方法的流程图,本实施例在上述实施例的基础上,对目标物体的点云中的局部极值点的确定操作进行了优化改进。
进一步地,将“根据点云访问向量,从目标物体的点云中确定局部极值点”细化为“从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;根据访问点和邻域搜索半径,确定搜索范围,并根据搜索范围,从点云中确定访问点的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点”,以完善目标物体的点云中的局部极值点的确定操作。
需要说明的是,在本发明实施例中未详述部分,可参见其他实施例的相关表述,在此不再赘述。
如图2A所示,该方法包括:
S201、根据点云访问向量,从目标物体的点云中确定局部极值点。
其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问。
S202、从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点。
其中,访问点可以是将进行局部极值点的确定操作的点。
S203、根据访问点和邻域搜索半径,确定搜索范围,并根据搜索范围,从点云中确定访问点的邻域点集。
其中,邻域搜索半径可以是访问点的邻域的半径。
具体的,将中心为访问点,半径为邻域搜索半径所包围的范围作为搜索范围,将搜索范围内的点云中的点,作为访问点的邻域点集。
需要说明的是,领域搜索半径可以由技术人员根据实际需求或实践经验自主设定,本发明对此不作限定。
S204、对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点。
可选的,若访问点的坐标值等于或大于邻域点集中各点的坐标值,则将访问点作为局部极值点;或,
若访问点的坐标值小于或等于邻域点集中各点的坐标值,则将访问点作为局部极值点。
其中,本发明对坐标值不作限定,坐标值例如可以是三维坐标系中X方向上的坐标值、Y方向上的坐标值或Z方向上的坐标值,优选的,坐标值为Z方向上的坐标值,以方便机器人进行抓取操作。
在一个可选实施例中,若访问点的邻域点集为空,邻域点集内不存在点与访问点进行坐标值比较,则不在此访问点与此访问点的邻域点集内进行局部极值点的确定。
可以理解的是,采用上述方案,根据访问点的坐标值与邻域点集中各点的坐标值的大小关系,确定局部极值点。可以确定出局部极大值点或局部极小值点,提高了确定局部极值点的灵活性。
可选的,将访问点对应点云访问向量中元素的元素值更新为已访问。
可以理解的是,采用上述技术方案,更新访问点对应点云访问向量中元素的元素值,以使再次从点云访问向量中选择元素值为未访问的元素时,排除该访问点对应的元素,简化了确定局部极值点的流程,避免重复计算,提高了局部极值点的确定效率。
可选的,若访问点为局部极值点,则将邻域点集中的各点对应点云访问向量中元素的元素值更新为已访问;若访问点不是局部极值点,则从邻域点集中确定邻域极值点,并将邻域点集中除该邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问。
具体的,若访问点不是局部极值点,则从邻域点集中选取坐标值大于等于邻域点集内其他点坐标值的点作为邻域极值点;或从邻域点集中选取坐标值小于等于邻域点集内其他点坐标值的点作为邻域极值点。并将邻域点集中除邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问。
可以理解的是,采用上述技术方案,将邻域点集中的非邻域极值点的点对应点云访问向量中元素的元素值更新为已访问,以使再次从点云访问向量中选择元素值为未访问的元素时,排除对应的邻域点集中除邻域极值点外的其他点对应元素,简化了确定局部极值点的流程,提高了局部极值点的确定效率。
在一个可选实施例中,重新从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点,直至点云访问向量中所有元素的元素值均为已访问。
具体的,重新从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;将中心为该访问点,半径为邻域搜索半径所包围的范围作为搜索范围,将搜索范围内的点云中的点,作为访问点的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点;将访问点对应点云访问向量中元素的元素值更新为已访问;若访问点为局部极值点,则将邻域点集中的各点对应点云访问向量中元素的元素值更新为已访问;若访问点不是局部极值点,则从邻域点集中确定邻域极值点,并将邻域点集中除该邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问。重复此步骤,即重新从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;将中心为该访问点,半径为邻域搜索半径所包围的范围作为搜索范围,将搜索范围内的点云中的点,作为访问点的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点;将访问点对应点云访问向量中元素的元素值更新为已访问;若访问点为局部极值点,则将邻域点集中的各点对应点云访问向量中元素的元素值更新为已访问;若访问点不是局部极值点,则从邻域点集中确定邻域极值点,并将邻域点集中除该邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问,直至点云访问向量中所有元素的元素值均为已访问。
图2B是一种局部极值点确定过程的示意图。如图2B所示,其中,编号从1至6的点为点云中对应的点;编号7的区域为点1的搜索范围;编号8的区域为点4的搜索范围;编号9的区域为点6的搜索范围。a表示对应点为未访问状态,b表示对应点为已访问状态。
如图2B所示的局部极值点的确定过程,需要说明的是,局部极值点的确定过程开始前,编号从1至6的点均为未访问状态,并已构建长度为点云数量,元素初始值为未访问的点云访问向量,已构建初始元素值为空的局部极值索引向量。选取未访问状态的点1为访问点,将编号7的区域内的点2和点3,作为点1的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,结果为点2的坐标值最大;将点1和点3对应点云访问向量中元素的元素值更新为已访问;选取未访问状态的点4为访问点,将编号8的区域内的点2和点5,作为点4的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,结果为点4的坐标值最大,确定点4为局部极值点,将点4的索引存入局部极值索引向量;将点4、点2和点5对应点云访问向量中元素的元素值更新为已访问;选取未访问状态的点6为访问点,将编号9的区域内的点5,作为点6的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,结果为点5的坐标值最大;将点6对应点云访问向量中元素的元素值更新为已访问;点云中已不存在未访问状态的点,结束访问点的选取操作,返回局部极值索引向量。
可以理解的是,采用上述技术方案,依次将点云访问向量中元素值为未访问的元素对应的点云中的点作为访问点,直至点云访问向量中所有元素的元素值均为已访问,确保点云中所有对应点云访问向量为未访问的点都参与了局部极值点的确定过程,提高了局部极值点的准确性。
S205、根据局部极值点,确定局部点云。
S206、根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。
本发明实施例通过从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;根据访问点和邻域搜索半径,确定搜索范围,并根据搜索范围,从点云中确定访问点的邻域点集;对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点。采用上述技术方案,仅对点云访问向量中元素值为未访问的元素对应的点云中的点作为访问点,减少了点云中的点作为访问点的数量,提高了确定局部极值点的效率,进而提高了物体抓取的效率。
实施例三
图3为本发明实施例三提供的一种物体抓取装置的结构图。本实施例可适用于对物体进行抓取的情况,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电子设备中。
如图3所示,该装置包括:极值点确定模块301、局部点云确定模块302和物体抓取模块303。其中,
极值点确定模块301,用于根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;
局部点云确定模块302,用于根据局部极值点,确定局部点云;
物体抓取模块303,用于根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。
本发明实施例通过极值点确定模块根据点云访问向量,从目标物体的点云中确定局部极值点;其中,点云访问向量中的元素对应点云中的点;元素的元素值用于表征元素对应点云中的点是否被访问;通过局部点云确定模块,用于根据局部极值点,确定局部点云;通过物体抓取模块根据局部点云,确定机器人的抓取位姿,以实现对目标物体的抓取。本发明实施例的技术方案,通过确定局部极值点,进而确定局部点云,并根据局部点云,确定机器人的抓取位姿,提高了确定物体点云中局部极值点的效率,提高了抓取物体的效率。采用上述技术方案,通过确定局部极值点,进而确定局部点云,并根据局部点云,确定机器人的抓取位姿,提高了确定物体点云中局部极值点的效率,提高了抓取物体的效率。
可选的,极值点确定模块301,包括:
第一访问点确定单元,用于从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;
邻域点集确定单元,用于根据访问点和邻域搜索半径,确定搜索范围,并根据搜索范围,从点云中确定访问点的邻域点集;
极值点确定单元,用于对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点。
可选的,极值点确定单元,包括:
极值点确定子单元,用于若访问点的坐标值等于或大于邻域点集中各点的坐标值,则将访问点作为局部极值点;或,
若访问点的坐标值小于或等于邻域点集中各点的坐标值,则将访问点作为局部极值点。
可选的,极值点确定单元,还包括:
元素值更新子单元,用于将访问点对应点云访问向量中元素的元素值更新为已访问。
可选的,极值点确定单元,还包括:
若访问点为局部极值点,则将邻域点集中的各点对应点云访问向量中元素的元素值更新为已访问;
若访问点不是局部极值点,则从邻域点集中确定邻域极值点,并将邻域点集中除该邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问。
可选的,极值点确定模块301,还包括:
第二访问点确定单元,用于重新从点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点,直至点云访问向量中所有元素的元素值均为已访问。
可选的,该装置还包括:
向量构建模块,用于根据点云中点的数量,构建点云访问向量。
本发明实施例所提供的物体抓取装置可执行本发明任意实施例所提供的物体抓取方法,具备执行物体抓取方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备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。电子设备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4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13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11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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11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11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11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18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11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11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,可以在电子设备上实施此处描述的系统和技术,该电子设备具有: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电子设备。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:
根据点云访问向量,从目标物体的点云中确定局部极值点;其中,所述点云访问向量中的元素对应点云中的点;所述元素的元素值用于表征元素对应点云中的点是否被访问;
根据所述局部极值点,确定局部点云;
根据所述局部点云,确定机器人的抓取位姿,以实现对所述目标物体的抓取。
2.根据权利要求1所述的方法,其特征在于,所述根据点云访问向量,从目标物体的点云中确定局部极值点,包括:
从所述点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点;
根据所述访问点和邻域搜索半径,确定搜索范围,并根据搜索范围,从点云中确定访问点的邻域点集;
对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点。
3.根据权利要求2所述的方法,其特征在于,所述对访问点的坐标值与邻域点集中各点的坐标值进行比较,以确定局部极值点,包括:
若访问点的坐标值等于或大于邻域点集中各点的坐标值,则将所述访问点作为局部极值点;或,
若访问点的坐标值小于或等于邻域点集中各点的坐标值,则将所述访问点作为局部极值点。
4.根据权利要求3所述的方法,其特征在于,还包括:
将所述访问点对应点云访问向量中元素的元素值更新为已访问。
5.根据权利要求3所述的方法,其特征在于,还包括:
若所述访问点为局部极值点,则将邻域点集中的各点对应点云访问向量中元素的元素值更新为已访问;
若所述访问点不是局部极值点,则从邻域点集中确定邻域极值点,并将邻域点集中除该邻域极值点外的其他点对应点云访问向量中元素的元素值更新为已访问。
6.根据权利要求2所述的方法,其特征在于,还包括:
重新从所述点云访问向量中选择任一元素值为未访问的元素,将该元素对应的点云中的点作为访问点,直至所述点云访问向量中所有元素的元素值均为已访问。
7.根据权利要求1所述的方法,其特征在于,还包括:
根据点云中点的数量,构建点云访问向量。
8.一种物体抓取装置,其特征在于,包括:
极值点确定模块,用于根据点云访问向量,从目标物体的点云中确定局部极值点;其中,所述点云访问向量中的元素对应点云中的点;所述元素的元素值用于表征元素对应点云中的点是否被访问;
局部点云确定模块,用于根据所述局部极值点,确定局部点云;
物体抓取模块,用于根据所述局部点云,确定机器人的抓取位姿,以实现对所述目标物体的抓取。
9.一种电子设备,其特征在于,所述电子设备包括:
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1-7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1-7中任一项所述的物体抓取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462506.5A CN115741696A (zh) | 2022-11-21 | 2022-11-21 | 一种物体抓取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211462506.5A CN115741696A (zh) | 2022-11-21 | 2022-11-21 | 一种物体抓取方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115741696A true CN115741696A (zh) | 2023-03-07 |
Family
ID=85334591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211462506.5A Pending CN115741696A (zh) | 2022-11-21 | 2022-11-21 | 一种物体抓取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115741696A (zh) |
-
2022
- 2022-11-21 CN CN202211462506.5A patent/CN115741696A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116166405B (zh) | 异构场景下的神经网络任务调度策略确定方法及装置 | |
CN115358411A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN114861039A (zh) | 一种搜索引擎的参数配置方法、装置、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 | |
CN116523249A (zh) | 一种生产线确定方法、装置、设备和存储介质 | |
CN115691206B (zh) | 车位推荐方法、装置、设备以及存储介质 | |
CN115741696A (zh) | 一种物体抓取方法、装置、设备及存储介质 | |
CN116197909A (zh) | 机械臂抓取模型的训练方法、装置、电子设备及存储介质 | |
CN113868254B (zh) | 图数据库中的实体节点去重方法、设备和存储介质 | |
CN115438007A (zh) | 一种文件合并方法、装置、电子设备及介质 | |
CN115841197A (zh) | 一种路径规划方法、装置、设备及存储介质 | |
CN116108589B (zh) | 一种型芯模型构建方法、装置、设备及介质 | |
CN115660034B (zh) | 分布式模型训练的方法、装置和系统 | |
CN117271098B (zh) | 一种ai模型计算核调度方法、装置、设备及存储介质 | |
CN117539602A (zh) | 落后者任务推测的方法及装置、电子设备和存储介质 | |
US20220383626A1 (en) | Image processing method, model training method, relevant devices and electronic device | |
EP4036861A2 (en) | Method and apparatus for processing point cloud data, electronic device, storage medium, computer program product | |
CN117453628A (zh) | 一种应用文件的管理方法,装置设备及存储介质 | |
CN117194018A (zh) | 一种多核多芯片环境下系统控温算法的处理方法及装置 | |
CN115017145A (zh) | 数据扩展方法、装置及存储介质 | |
CN116167464A (zh) | 联邦学习任务的运算时间预测方法、装置、设备和介质 | |
CN118626486A (zh) | 索引生成方法、装置及电子设备 | |
CN117196927A (zh) | 图像处理方法及装置、设备和介质 | |
CN117892050A (zh) | 一种基于多核硬件的矩阵运算方法、装置、设备及介质 | |
CN114820193A (zh) | 一种筹码变更曲线生成方法、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 |