[发明专利]物体识别和姿态估计方法、装置及机械臂抓取系统

说明书

本发明适用于人工智能应用技术领域，提供了一种物体识别和姿态估计方法、装置及机械臂抓取系统，该方法包括：通过多级深度学习模型对图像样本进行物体的类别和姿态学习，建立特征描述子集合；采集目标物体的物体姿态图像；通过所述多级深度学习模型，从目标物体的物体姿态图像中获取所述目标物体的特征描述子，并结合所述特征描述子集合进行物体识别和姿态估计；其中，所述特征描述子集合包括至少两个特征描述子，每个所述特征描述子表征一种物体类别和物体姿态。通过本发明能同时学习物体类别和姿态，提高识别精度。

技术领域

本发明属于人工智能应用技术领域，尤其涉及一种物体识别和姿态估计方法、装置及机械臂抓取系统。

背景技术

机械臂完成对物体的抓取，需要精准的物体识别和姿态估计方法。目前物体识别和姿态估计存在着多种方法，不同的方法之间采用的传感器、特征处理方法和标定策略不尽相同，而这些方法均存在一定的局限性。

例如，一些方法基于三维建模，通过数据对齐的方式估计物体的姿态等信息，这种方法建模难度大，需要处理大量的三维数据。又例如，双目视觉方法，这种方法对于光照变化等非常敏感，纹理不够则不够鲁棒。另外一些方法则基于主动投射的抓取方式，这类方法往往需要投射激光或光栅，使得末端结构复杂。还有一些方法基于二维图像信息识别，都采用手工特征的学习方法，其识别效果和精度往往不够理想。

发明内容

有鉴于此，本发明实施例提供了一种物体识别和姿态估计方法、装置及机械臂抓取系统，以解决现有技术中物体识别和姿态估计精准性较差的问题。

本发明实施例的第一方面，提供了一种物体识别和姿态估计方法，包括：

通过多级深度学习模型对图像样本进行物体的类别和姿态学习，建立特征描述子集合；其中，所述特征描述子集合包括至少两个特征描述子，每个所述特征描述子表征一种物体类别和物体姿态；

采集目标物体的物体姿态图像；

通过所述多级深度学习模型，从所述目标物体的物体姿态图像中获取所述目标物体的特征描述子，并结合所述特征描述子集合进行物体识别和姿态估计。

本发明实施例的第二方面，提供了一种物体识别和姿态估计装置，包括学习单元、图像采集单元和识别单元；

所述学习单元，用于通过多级深度学习模型对图像样本进行物体的类别和姿态学习，建立特征描述子集合；其中，所述特征描述子集合包括至少两个特征描述子，每个所述特征描述子表征一种物体类别和物体姿态；

所述图像采集单元，用于采集目标物体的物体姿态图像；

所述识别单元，用于通过所述多级深度学习模型，从目标物体的物体姿态图像中获取新目标物体的特征描述子，并结合所述特征描述子集合进行物体识别和姿态估计。

本发明实施例的第三方面，提供了一种机械臂抓取系统，包括机械臂和物体识别和姿态估计装置，所述物体识别和姿态估计装置为上述物体识别和姿态估计装置。

本发明实施例的第四方面，提供了一种机器人，包括上述机械臂抓取系统。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过多级深度学习模型对图像样本进行物体类别和姿态学习，建立特征描述子集合，并从目标物体的物体姿态图像中获取目标物体的特征描述子，然后结合特征描述子集合对目标物体进行物体识别和姿态估计，相对于现有技术，能同时学习物体类别和姿态，提高识别精度。

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。