CN117152242A - 机械臂姿态定位信息的生成方法及装置 - Google Patents
机械臂姿态定位信息的生成方法及装置 Download PDFInfo
- Publication number
- CN117152242A CN117152242A CN202311141063.4A CN202311141063A CN117152242A CN 117152242 A CN117152242 A CN 117152242A CN 202311141063 A CN202311141063 A CN 202311141063A CN 117152242 A CN117152242 A CN 117152242A
- Authority
- CN
- China
- Prior art keywords
- information
- target object
- generating
- target
- contour
- 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 53
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 230000004044 response Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 210000000078 claw Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- 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
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种机械臂姿态定位信息的生成方法及装置,可以应用于人工智能和金融技术领域。该方法包括:响应于接收到的目标图像,提取目标图像的图像特征,其中,目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的;对图像特征进行识别,得到目标物的第一轮廓信息;其中,第一轮廓信息表征目标物未被障碍物遮挡区域的像素点信息;根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,其中,第二轮廓信息表征目标物的边缘的像素点信息;以及基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息。
Description
技术领域
本公开涉及图像处理和金融技术领域,尤其涉及一种机械臂姿态定位信息的生成方法、装置、设备、介质和程序产品。
背景技术
随着科技不断的发展,自动化产业发展快速,机械臂的应用范围越来越广。相关技术中,一般是基于固定在机械臂上的图像采集设备采集被抓取物体的图像,通过对图像处理实现对机械臂的姿态定位。
但是,在实现本公开的发明构思过程中,当图像采集设备存在采集盲区时,由于采集到的物体图像不完整,导致机械臂姿态定位精度较低。
发明内容
鉴于上述问题,本公开提供了一种机械臂姿态定位信息的生成方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种机械臂姿态定位信息的生成方法,包括:
响应于接收到的目标图像,提取目标图像的图像特征,其中,目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的;
对图像特征进行识别,得到目标物的第一轮廓信息;第一轮廓信息表征目标物未被障碍物遮挡区域的像素点信息;
根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,其中,第二轮廓信息表征目标物的边缘的像素点信息;以及
基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,其中,坐标转换关系表征图像采集设备的像素坐标系与机械臂的空间坐标系的转换关系。
根据本公开的实施例,对图像特征进行识别,得到目标物的第一轮廓信息,包括:
对图像特征进行识别,得到障碍物的边缘的第一像素点信息和目标物未被障碍物遮挡区域的边缘的第二像素点信息;以及
根据第一像素点信息和第二像素点信息,生成第一轮廓信息。
根据本公开的实施例,第一像素点信息包括M个第一像素点的坐标信息,M为大于1的整数;第二像素点信息包括N个第二像素点的坐标信息,N为大于1的整数;根据第一像素点信息和第二像素点信息,生成第一轮廓信息,包括:
根据第n个第二像素点的坐标信息与M个第一像素点的坐标信息,生成M个第一像素点与第n个第二像素点的距离信息;
基于距离信息,从M个第一像素点中确定目标像素点;
在确定n小于N的情况下,返回执行生成M个第一像素点与第n个第二像素点的距离信息的操作,并递增n;以及
在确定n等于N的情况下,根据第二像素点信息和多个目标像素点信息,生成第一轮廓信息,n为大于等于1小于N的整数。
根据本公开的实施例,根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,包括:
根据第一轮廓信息和目标物的尺寸信息确定目标物的对称轴信息;
基于对称轴信息,对第一轮廓信息进行翻转处理,生成目标轮廓信息;以及
根据第一轮廓信息和目标轮廓信息,生成第二轮廓信息。
根据本公开的实施例,根据第一轮廓信息和目标物的尺寸信息确定目标物的对称轴信息,包括:
根据第一轮廓信息和目标物的尺寸信息,从第一轮廓信息中确定位于目标物的对称轴上的至少两个像素点的坐标信息;以及
根据至少两个像素点的坐标信息,生成目标物的对称轴信息。
根据本公开的实施例,基于对称轴信息,对第一轮廓信息进行翻转处理,生成目标轮廓信息,包括:
根据目标物与障碍物的相对位置,确定翻转方向;以及
基于对称轴信息,沿着所述翻转方向,对所述第一轮廓信息进行翻转处理,生成所述目标轮廓信息。
根据本公开的实施例,基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,包括:
根据机械臂的抓取参数,确定抓取点的相对位置关系;
根据抓取点的相对位置关系,从第二轮廓信息中得到目标像素点信息;以及
基于坐标转换关系,根据目标像素点信息,生成姿态定位点信息。
本公开的第二方面提供了一种机械臂姿态定位信息生成装置,包括:提取模块、识别模块、第一生成模块和第二生成模块。
提取模块,用于响应于接收到的目标图像,提取目标图像的图像特征,其中,目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的。
识别模块,用于对图像特征进行识别,得到目标物的第一轮廓信息;其中,第一轮廓信息表征目标物未被障碍物遮挡区域的像素点信息。
第一生成模块,用于根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,其中,第二轮廓信息表征目标物的边缘的像素点信息。
第二生成模块,用于基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,其中,坐标转换关系表征图像采集设备的像素坐标系与机械臂的空间坐标系的转换关系。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行时实现上述方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
根据本公开提供的机械臂姿态定位信息的生成方法及装置,基于图像识别出目标物的部分轮廓信息,根据目标的部分轮廓和尺寸,基于,生成目标物的全部轮廓信息。再根据像素坐标与空间坐标的转换关系,实现对抓取姿态的准确定位。因此,至少部分的解决了由于图像中的物体不完整导致的机械臂姿态定位精度较低的问题,实现了准确定位机械臂姿态的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的机械臂姿态定位信息的生成方法的应用场景图;
图2示意性示出了根据本公开实施例的机械臂姿态定位信息的生成方法的流程图;
图3示意性示出了根据本公开实施例的机械臂姿态定位过程的示意图;
图4示意性示出了根据本公开实施例的目标物体被障碍物遮挡时的示意图;
图5示意性示出了根据本公开实施例的生成目标物第二轮廓信息的示意图;
图6示意性示出了根据本公开实施例的机械臂与视觉融合的示意图;
图7示意性示出了根据本公开实施例的机械臂姿态定位信息生成装置的结构框图;以及
图8示意性示出了根据本公开实施例的适于实现机械臂姿态定位信息生成方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中,所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息,例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理,均遵守相关国家和地区的相关法律法规和标准,采取了必要保密措施,不违背公序良俗,并提供有相应的操作入口,供用户选择授权或者拒绝。
相关技术中,利用固定在机械臂上的图像采集设备采集到的图像存在一定的视觉盲区,可能在目标物被遮挡时,仅能采集到目标物的局部图像。
因此,在基于局部图像进行机械臂姿态定位时,由于目标物的局部图像中并不能完整展现目标物的形态,导致机械臂姿态定位存在一定的误差。
有鉴于此,本公开的实施例提供了一种机械臂姿态定位信息的生成方法,包括:响应于接收到的目标图像,提取目标图像的图像特征,目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的;对图像特征进行识别,得到目标物的第一轮廓信息;第一轮廓信息表征目标物未被障碍物遮挡区域的像素点信息;根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,其中,第二轮廓信息表征目标物的边缘的像素点信息;基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,坐标转换关系表征图像采集设备的像素坐标系与机械臂的空间坐标系的转换关系。
图1示意性示出了根据本公开实施例的机械臂姿态定位信息的生成方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互,以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的机械臂姿态定位信息的生成方法一般可以由服务器105执行。相应地,本公开实施例所提供的机械臂姿态定位信息的生成装置一般可以设置于服务器105中。本公开实施例所提供的机械臂姿态定位信息的生成方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的机械臂姿态定位信息的生成装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图6对公开实施例的机械臂姿态定位信息的生成方法进行详细描述。
图2示意性示出了根据本公开实施例的机械臂姿态定位信息的生成方法的流程图。
如图2所示,该实施例的机械臂姿态定位信息的生成方法包括操作S210~操作S240。
在操作S210,响应于接收到的目标图像,提取目标图像的图像特征。
在操作S220,对图像特征进行识别,得到目标物的第一轮廓信息;其中,第一轮廓信息表征目标物未被障碍物遮挡区域的像素点信息。
在操作S230,根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息,其中,第二轮廓信息表征目标物的边缘的像素点信息。
在操作S240,基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,其中,坐标转换关系表征图像采集设备的像素坐标系与机械臂的空间坐标系的转换关系。
根据本公开的实施例,目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的。例如:图像特征可以包括:像素点的颜色、对比度、亮度、坐标等信息。
根据本公开的实施例,可以利用预训练的目标检测模型对图像特征进行识别,得到目标物的第一轮廓信息。目标物的第一轮廓信息,例如,正方体小木块的主视图的轮廓就是一个正方形边长部分,如果目标物被遮挡的时候,第一轮廓可以是基于障碍物的边缘和目标物未被障碍物遮挡的边缘生成的。
根据本公开的实施例,目标物的第二轮廓信息是由第一轮廓信息和目标物的尺寸信息,确定目标物的对称轴,沿着对称轴根据实际位置,上下(左右)翻转生成。
根据本公开的实施例,姿态定位信息可以表征用于抓取目标物的机械臂的多个夹取点的相对位置信息。
根据本公开的实施例,坐标转换关系可以表征图像采集设备的像素坐标系与目标物所处环境的空间坐标系之间的关系矩阵。该关系矩阵可以基于预定的标准图像与目标物所处环境的预定标准物进行标定得到。
根据本公开的实施例,基于图像识别出目标物的部分轮廓信息,根据目标的部分轮廓和尺寸,基于,生成目标物的全部轮廓信息。再根据像素坐标与空间坐标的转换关系,实现对抓取姿态的准确定位。因此,至少部分的解决了由于图像中的物体不完整导致的机械臂姿态定位精度较低的问题,实现了准确定位机械臂姿态的技术效果。
图3示意性示出了根据本公开实施例的机械臂姿态定位过程的示意图。
如图3所示,在实施例300中,可以包括机械臂310以及设置在机械臂310上的图像采集设备320。基于图像采集设备320可以采集到目标物的图像信息,并基于目标物的图像信息,可以采用九点定位法得到机械臂的姿态定位信息。
需要说明的是,九点定位法是较为成熟的利用图像定位机械臂姿态的方法,在此不作赘述。
根据本公开的实施例,对图像特征进行识别,得到目标物的第一轮廓信息,可以包括如下操作:对图像特征进行识别,得到障碍物的边缘的第一像素点信息和目标物未被障碍物遮挡区域的边缘的第二像素点信息;以及根据第一像素点信息和第二像素点信息,生成第一轮廓信息。
图4示意性示出了根据本公开实施例的目标物体被障碍物遮挡时的示意图。
如图4所示,在实施例400中,可以包括目标物410和障碍物420。
目标物410的轮廓可以是abcd,但是在目标物被障碍物420遮挡的情况下,对图像特征识别时,无法辨认并得到目标物体的轮廓,在此情境下,通过图像特征识别,可以先得到目标物的未被障碍物遮挡部分的轮廓信息。
根据本公开的实施例,可以基于两个坐标点之间的距离,确定目标物被障碍物遮挡处的边缘点。
例如:第一像素点信息包括M个第一像素点的坐标信息,M为大于1的整数;所述第二像素点信息包括N个第二像素点的坐标信息,N为大于1的整数;根据第一像素点信息和第二像素点信息,生成第一轮廓信息,包括:
根据第n个第二像素点的坐标信息与所述M个第一像素点的坐标信息,通过迭代计算得到M个第一像素点与第n个第二像素点的距离信息;
任意两点A(x1,y1)和B(x2,y2)的距离计算如公式(1):
基于距离信息,从M个第一像素点中确定目标像素点;
在确定n小于N的情况下,返回执行生成M个第一像素点与第n个第二像素点的距离信息的操作,并递增n;以及
在确定n等于N的情况下,根据第二像素点信息和多个目标像素点信息,生成第一轮廓信息,n为大于等于1小于N的整数。
如图4所示,基于目标物与障碍物上的可见像素点之间的像素点距离的比较,可以得到目标物的边缘为直线BP中的像素点。则第一轮廓信息可以是abBP。障碍物420与目标物410重叠的边缘BP的第一像素点和目标物体未被遮挡区域的边缘abBP的第二像素点信息。根据第一像素点坐标信息和第二像素点坐标信息,生成第一轮廓坐标信息。
根据本公开的实施例,基于像素点之间的距离,可以简便地、快速地找到目标物与障碍物交叠的边缘,从而较为准确地确定第一轮廓信息。
根据本公开的实施例,根据第一轮廓信息和目标物的尺寸信息,生成所述目标物的第二轮廓信息,包括:根据第一轮廓信息和所述目标物的尺寸信息确定目标物的对称轴信息;基于对称轴信息,对第一轮廓信息进行翻转处理,生成目标轮廓信息;以及根据第一轮廓信息和目标轮廓信息,生成第二轮廓信息。
根据本公开的实施例,在实际应用场景中,机械臂夹取的目标物通常是几何对称的,因此,可以基于几何对称的原理,根据目标物未被遮挡部分的轮廓,对称还原得到目标物被遮挡部分的轮廓。
但是,由于障碍物遮挡目标物的位置不一定是沿着对称轴遮挡的,因此,需要准确地确定对称轴的位置。
例如:根据第一轮廓信息和目标物的尺寸信息确定目标物的对称轴信息,包括:根据第一轮廓信息和目标物的尺寸信息,从第一轮廓信息中确定位于目标物的对称轴上的至少两个像素点的坐标信息;以及根据至少两个像素点的坐标信息,生成所述目标物的对称轴信息。
根据本公开的实施例,基于对称轴信息,对第一轮廓信息进行翻转处理,生成目标轮廓信息,包括:根据目标物与障碍物的相对位置,确定翻转方向;以及基于对称轴信息,沿着翻转方向,对第一轮廓信息进行翻转处理,生成目标轮廓信息。
图5示意性示出了根据本公开实施例的生成目标物第二轮廓信息的示意图。
如图5所示,基于障碍物的边缘PQ和目标物未被障碍物遮挡的边缘产生第一轮廓510abPQ;可以基于对称轴L520执行左右翻转,物体的宽ac=10cm,基于点a位置坐标,保证纵坐标值不变的前提下,对称轴上的点Li与a的最短距离为5cm,通过计算可以得到对称轴上的点L1的坐标。通过同样的方法得到b到对称轴上点L2,通过点L1和L2确定对称轴L:aX+b;可以根据第一轮廓信息和对称轴的信息,首先判断被遮挡目标物的具体位置,以及被遮挡的位置处于目标物的相对位置,沿着对称轴L,根据实际情况进行翻转得到第二轮廓信息,例如,目标物体右侧被遮挡,根据第一轮廓abPQ和目标物块的大小信息找到对称轴L,由于目标物体右侧被遮挡,将第一轮廓abPQ沿着对称轴L向右侧翻转得到第二轮廓abcd530。
根据本公开的实施例,基于目标物的几何对称的特性,根据目标物未被遮挡的区域对称还原得到整个目标物的轮廓信息,可以实现在目标物被遮挡的情况下准确定位机械臂的姿态信息,提高机械臂的抓取精度。
根据本公开的实施例,基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息,可以包括:根据机械臂的抓取参数,确定抓取点的相对位置关系;根据抓取点的相对位置关系,从第二轮廓信息中得到目标像素点信息;以及基于坐标转换关系,根据目标像素点信息,生成姿态定位点信息。
根据本公开的实施例,机械臂的抓取参数可以包括机械臂的爪数,机械臂的每一个爪之间的相对位置的范围,例如:机械臂可以是四爪机械臂,四个爪可以呈十字排布,位于同一水平线上的两个爪之间的最小距离和最大距离,可以表示机械臂的抓取范围,即抓取点的相对位置关系。
根据本公开的实施例,坐标转换关系可以是基于图像采集设备的相机坐标系与标定物的空间坐标系,得到的坐标转换矩阵。基于坐标准换矩阵,对目标像素点进行坐标准换,生成机械臂的姿态定位信息。
图6示意性示出了根据本公开实施例的机械臂与视觉融合的示意图。
如图6所示,包括视觉部分610和机器人部分620。视觉部分610可以包括:相机611,相机系统612,目标的图像坐标613,目标相对于相机坐标的变换614,以及相机坐标到机器人基坐标的变换615。机器人部分可以包括:机器人逆运动学求解621,机器人控制器控制622和机器人抓取623。
基于视觉部分采集到的图像信息,按照本公开实施例提供的机械臂姿态定位信息的生成方法,得到机械臂姿态定位信息。可以将机械臂姿态定位信息以指令的形式向机器人部分发送,由机器人按照机械臂姿态定位信息完成对目标物的抓取动作。
基于上述一种机械臂姿态定位信息的生成方法,本公开还提供了一种机械臂姿态定位信息生成装置。以下将结合图7对该装置进行详细描述。
图7示意性示出了根据本公开实施例的机械臂姿态定位信息生成装置装置的结构框图。
如图7所示,该实施例的机械臂姿态定位信息的生成装置700包括提取模块710、识别模块720、第一生成模块730和第二生成模块740。
提取模块710用于相应于接收到的目标图像,提取目标图像的图像特征。在一实施例中,提取模块710可以用于执行前文描述的操作S210,在此不再赘述。
识别模块720用于对图像特征进行识别,得到目标物的第一轮廓信息。在一实施例中,识别模块720可以用于执行前文描述的操作S220,在此不再赘述。
第一生成模块730用于根据第一轮廓信息和目标物的尺寸信息,生成目标物的第二轮廓信息。在一实施例中,第一生成模块730可以用于执行前文描述的操作S230,在此不再赘述。
第二生成模块740用于基于坐标转换关系,根据第二轮廓信息,生成用于表征机械臂抓取目标物时的姿态定位信息。在一实施例中,第二生成模块740可以用于执行前文描述的操作S740,在此不再赘述。
根据本公开的实施例,识别模块720可以包括识别子模块和第一生成子模块。识别子模块,用于对图像特征进行识别,得到障碍物的边缘的第一像素点信息和目标物未被障碍物遮挡区域的边缘的第二像素点信息。第一生成子模块,用于根据第一像素点信息和第二像素点信息,生成第一轮廓信息。
根据本公开的实施例,生成子模块可以包括第一生成单元、第一确定单元、第一操作单元和第二生成单元。第一生成单元,用于根据第n个第二像素点的坐标信息与M个第一像素点的坐标信息,生成M个第一像素点与第n个第二像素点的距离信息。第一确定单元,用于基于距离信息,从M个第一像素点中确定目标像素点。第一操作单元,用于在确定n小于N的情况下,返回执行生成M个第一像素点与第n个第二像素点的距离信息的操作,并递增n。第二生成单元,用于在确定n等于N的情况下,根据第二像素点信息和多个目标像素点信息,生成第一轮廓信息,n为大于等于1小于N的整数。
根据本公开的实施例,第一生成模块包括第一确定子模块、第二生成子模块和第三生成子模块。第一确定子模块,用于根据第一轮廓信息和目标物的尺寸信息确定目标物的对称轴信息。第二生成子模块,用于基于对称轴信息,对第一轮廓信息进行翻转处理,生成目标轮廓信息。第三生成子模块,用于根据第一轮廓信息和目标轮廓信息,生成第二轮廓信息。
根据本公开的实施例,第一确定子模块包括:第二确定单元和第三生成单元。第二确定单元,用于根据第一轮廓信息和目标物的尺寸信息,从第一轮廓信息中确定位于目标物的对称轴上的至少两个像素点的坐标信息。第三生成单元,用于根据至少两个像素点的坐标信息,生成目标物的对称轴信息。
根据本公开的实施例,第二生成子模块包括:第三确定单元,用于根据目标物与障碍物的相对位置,确定翻转方向。第四生成单元,用于基于对称轴信息,沿着翻转方向,对第一轮廓信息进行翻转处理,生成目标轮廓信息。
根据本公开的实施例,第二生成模块包括:第二确定子模块、获得子模块和第四生成子模块。第二确定子模块,用于根据机械臂的抓取参数,确定抓取点的相对位置关系。获得子模块,用于根据抓取点的相对位置关系,从第二轮廓信息中得到目标像素点信息。第四生成子模块,用于基于坐标转换关系,根据目标像素点信息,生成姿态定位点信息。
根据本公开的实施例,提取模块710、识别模块720、第一生成模块730和第二生成模块740中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,提取模块710、识别模块720、第一生成模块730和第二生成模块740中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,提取模块710、识别模块720、第一生成模块730和第二生成模块740中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的适于实现机械臂姿态定位信息的生成方法的电子设备的方框图。
如图8所示,根据本公开实施例的电子设备800包括处理器801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 803中,存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备800还可以包括输入/输出(I/O)接口805,输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至输入/输出(I/O)接口805的以下部件中的一项或多项:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至输入/输出(I/O)接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
本公开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可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分809被下载和安装,和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,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公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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、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)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种机械臂姿态定位信息的生成方法,包括:
响应于接收到的目标图像,提取所述目标图像的图像特征,其中,所述目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的;
对所述图像特征进行识别,得到所述目标物的第一轮廓信息;其中,所述第一轮廓信息表征所述目标物未被所述障碍物遮挡区域的像素点信息;
根据所述第一轮廓信息和所述目标物的尺寸信息,生成所述目标物的第二轮廓信息,其中,所述第二轮廓信息表征所述目标物的边缘的像素点信息;以及
基于坐标转换关系,根据所述第二轮廓信息,生成用于表征所述机械臂抓取所述目标物时的姿态定位信息,其中,所述坐标转换关系表征所述图像采集设备的像素坐标系与所述机械臂的空间坐标系的转换关系。
2.根据权利要求1所述的方法,其中,所述对所述图像特征进行识别,得到所述目标物的第一轮廓信息,包括:
对所述图像特征进行识别,得到所述障碍物的边缘的第一像素点信息和所述目标物未被所述障碍物遮挡区域的边缘的第二像素点信息;以及
根据所述第一像素点信息和所述第二像素点信息,生成所述第一轮廓信息。
3.根据权利要求2所述的方法,其中,所述第一像素点信息包括M个第一像素点的坐标信息,M为大于1的整数;所述第二像素点信息包括N个第二像素点的坐标信息,N为大于1的整数;所述根据所述第一像素点信息和所述第二像素点信息,生成所述第一轮廓信息,包括:
根据第n个第二像素点的坐标信息与所述M个第一像素点的坐标信息,生成所述M个第一像素点与所述第n个第二像素点的距离信息;
基于所述距离信息,从所述M个第一像素点中确定目标像素点;
在确定n小于N的情况下,返回执行所述生成所述M个第一像素点与所述第n个第二像素点的距离信息的操作,并递增n;以及
在确定n等于N的情况下,根据所述第二像素点信息和多个所述目标像素点信息,生成所述第一轮廓信息,n为大于等于1小于N的整数。
4.根据权利要求1所述的方法,其中,所述根据所述第一轮廓信息和所述目标物的尺寸信息,生成所述目标物的第二轮廓信息,包括:
根据所述第一轮廓信息和所述目标物的尺寸信息确定所述目标物的对称轴信息;
基于所述对称轴信息,对所述第一轮廓信息进行翻转处理,生成目标轮廓信息;以及
根据所述第一轮廓信息和所述目标轮廓信息,生成所述第二轮廓信息。
5.根据权利要求4所述的方法,其中,所述根据所述第一轮廓信息和所述目标物的尺寸信息确定所述目标物的对称轴信息,包括:
根据所述第一轮廓信息和所述目标物的尺寸信息,从所述第一轮廓信息中确定位于所述目标物的对称轴上的至少两个像素点的坐标信息;以及
根据所述至少两个像素点的坐标信息,生成所述目标物的对称轴信息。
6.根据权利要求4所述的方法,其中,所述基于所述对称轴信息,对所述第一轮廓信息进行翻转处理,生成目标轮廓信息,包括:
根据所述目标物与所述障碍物的相对位置,确定翻转方向;以及
基于所述对称轴信息,沿着所述翻转方向,对所述第一轮廓信息进行翻转处理,生成所述目标轮廓信息。
7.根据权利要求1所述的方法,其中,所述基于坐标转换关系,根据所述第二轮廓信息,生成用于表征所述机械臂抓取所述目标物时的姿态定位信息,包括:
根据所述机械臂的抓取参数,确定抓取点的相对位置关系;
根据所述抓取点的相对位置关系,从所述第二轮廓信息中得到目标像素点信息;以及
基于坐标转换关系,根据所述目标像素点信息,生成所述姿态定位点信息。
8.一种机械臂姿态定位信息生成装置,包括:
提取模块,用于响应于接收到的目标图像,提取所述目标图像的图像特征,其中,所述目标图像是在目标物的部分区域被障碍物遮挡的情况下,利用机械臂上的图像采集设备采集到的;
识别模块,用于对所述图像特征进行识别,得到所述目标物的第一轮廓信息;其中,所述第一轮廓信息表征所述目标物未被所述障碍物遮挡区域的像素点信息;
第一生成模块,用于根据所述第一轮廓信息和所述目标物的尺寸信息,生成所述目标物的第二轮廓信息,其中,所述第二轮廓信息表征所述目标物的边缘的像素点信息;以及
第二生成模块,用于基于坐标转换关系,根据所述第二轮廓信息,生成用于表征所述机械臂抓取所述目标物时的姿态定位信息,其中,所述坐标转换关系表征所述图像采集设备的像素坐标系与所述机械臂的空间坐标系的转换关系。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311141063.4A CN117152242A (zh) | 2023-09-05 | 2023-09-05 | 机械臂姿态定位信息的生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311141063.4A CN117152242A (zh) | 2023-09-05 | 2023-09-05 | 机械臂姿态定位信息的生成方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117152242A true CN117152242A (zh) | 2023-12-01 |
Family
ID=88905858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311141063.4A Pending CN117152242A (zh) | 2023-09-05 | 2023-09-05 | 机械臂姿态定位信息的生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152242A (zh) |
-
2023
- 2023-09-05 CN CN202311141063.4A patent/CN117152242A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118542B (zh) | 激光雷达与相机之间的标定方法、装置、设备及存储介质 | |
US11618438B2 (en) | Three-dimensional object localization for obstacle avoidance using one-shot convolutional neural network | |
US20210103763A1 (en) | Method and apparatus for processing laser radar based sparse depth map, device and medium | |
US10970938B2 (en) | Method and apparatus for generating 3D information | |
US20230222618A1 (en) | Object detection method and device | |
CN113436100B (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
US20200356812A1 (en) | Systems and methods for automated training of deep-learning-based object detection | |
US20220415064A1 (en) | Image processing method and apparatus, electronic device, and computer-readable storage medium | |
CN110866475A (zh) | 手部脱离方向盘及图像分割模型训练方法、装置、终端、介质 | |
CN111753739A (zh) | 物体检测方法、装置、设备以及存储介质 | |
CN113255619A (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
CN111242847B (zh) | 基于闸道的图像拼接方法、系统、设备及存储介质 | |
CN113470112A (zh) | 图像处理方法、装置、存储介质以及终端 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN115147809A (zh) | 一种障碍物检测方法、装置、设备以及存储介质 | |
WO2024060708A1 (zh) | 目标检测方法和装置 | |
CN109697722A (zh) | 用于生成三分图的方法及装置 | |
CN117152242A (zh) | 机械臂姿态定位信息的生成方法及装置 | |
CN112668596A (zh) | 三维物体识别方法及装置、识别模型训练方法及装置 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN114119990B (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
CN110634159A (zh) | 一种目标检测方法和装置 | |
CN113222968B (zh) | 融合毫米波和图像的检测方法、系统、设备及存储介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN114549584A (zh) | 信息处理的方法、装置、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 |