[发明专利]一种基于深度学习机器人的目标物抓取位置的检测方法

权利要求书

1.一种基于深度学习机器人的目标物抓取位置的检测方法，其特征在于，所述方法包括如下步骤：

S1.通过传感器采集包含目标物的RGB-D图像；

S2.在所述RGB-D图像的目标区域内划分候选抓取区域；

S3.保持所述候选抓取区域的长宽比不变，将所述候选抓取区域的尺寸放大至神经网络输入要求的尺寸；

S4.对所述放大后的候选抓取区域构建输入向量；

S5.对所述输入向量进行白化处理，将所述白化处理后的输入向量输入到训练好的神经网络；

S6.获取每个候选抓取区域的得分，将所述得分最高的候选抓取区域确定为抓取位置。

2.如权利要求1所述的基于深度学习机器人的目标物抓取位置的检验方法，其特征在于，所述候选抓取区域是通过设定的滑动窗口在所述RGB-D图像的目标区域内移动来提取的；

所述活动窗口的尺寸即为所述候选抓取区域的尺寸。

3.如权利要求1所述的基于深度学习机器人的目标物抓取位置的检验方法，其特征在于，通过0值填充或边缘扩展将所述候选抓取区域的尺寸放大至神经网络输入要求的尺寸。

4.如权利要求3所述的基于深度学习机器人的目标物抓取位置的检测方法，其特征在于，通过所述0值填充将所述候选抓取区域的尺寸放大至神经网络输入要求的尺寸时，在步骤S4之后还包括：

将所述输入向量中的元素乘以一个缩放因子，对所述输入向量中元素的值进行缩放；

所述缩放因子的计算公式如下：

${\mathrm{\ψ}}_i^{\left(t\right)}={\mathrm{\Σ}}_{r=1}^R{S}_{r,i}{\mathrm{\Ψ}}_r^{\left(t\right)}$

${\mathrm{\Ψ}}_r^{\left(t\right)}={\mathrm{\Σ}}_{i=1}^N{S}_{r,i}/\left({\mathrm{\Σ}}_{i=1}^N{S}_{r,i}{\mathrm{\μ}}_i^{\left(t\right)}\right)$

其中，为第t个样本的输入向量中第i个元素的缩放因子，为通道r的放大因子，当输入向量中的第i个元素x_i属于通道r时，S_r,i的值为1，否则S_r,i的值为0，当第x_i不是0填充值时，的值为1，否则的值为0。

5.如权利要求4所述的基于深度学习机器人的目标物抓取位置的检测方法，其特征在于，所述缩放因子C的取值为4。