[发明专利]一种控制机械臂抓取物体的方法及装置

说明书

本发明实施例提供了一种控制机械臂抓取物体的方法及装置，所述方法包括：获取摄像头采集的目标物体当前时刻的目标图像；将目标图像输入预先训练完成的目标卷积神经网络，得到目标图像对应的标签；判断目标图像对应的标签是否与预设结束标签相同；如果否，根据预设的标签与运动方向的对应关系，确定目标图像对应的标签所对应的目标运动方向；控制机械臂按照目标运动方向及预设距离移动，并返回获取目标物体当前时刻的目标图像的步骤；如果是，控制机械臂抓取所述目标物体。由于在抓取目标物体时采用步进的方式，即使在抓取过程中目标物体的位置发生改变，机械臂也可以准确抓取目标物体，提高了机械臂抓取物体的准确率和成功率。

技术领域

本发明涉及机械臂控制领域，特别是涉及一种控制机械臂抓取物体的方法及装置。

背景技术

目前，利用机械臂抓取物体的应用场景非常之多，例如，自动分拣货物，自动装配零部件等。利用机械臂进行物体的抓取，会极大的提高生产产能，降低人工成本。控制机械臂抓取物体的方式，目前可以分为两大类，一类是基于被抓取物体几何外形的方法，另一类是基于数据驱动的方法。基于几何外形的方法通过分析目标物体的三维形状信息，来得到一个合适的抓取方案。基于数据驱动的方法通过采集目标物体的大量三维或者二维数据，利用卷积神经网络得到抓取方案。

基于数据驱动的方法的过程一般为：控制设备获得机械臂上安装的摄像头采集的目标物体的图像，将该图像输入到预先训练完成的卷积神经网络中，该卷积神经网络根据图像中物体的位置以及机械臂当前的位置，计算所有可能的抓取方案，并选择最佳方案(例如机械臂移动距离最短的方案)进行输出，控制设备便可以控制机械臂按照该最佳抓取方案移动并进行抓取动作。

可见，上述控制机械臂抓取物体的方法存在如下缺点：由于抓取方案是根据机械臂当前状态，计算得出的一个最佳的抓取方案，所以一旦最佳方案确定，便不能再根据当前场景进行调整，如果在抓取过程中，目标物体的位置发生变化，或者机械臂位置的移动不够准确，抓取方案很显然会失败，抓取的准确率和成功率都较低。

发明内容

本发明实施例的目的在于提供一种控制机械臂抓取物体的方法及装置，以提高机械臂抓取物体的准确率和成功率。具体技术方案如下：

第一方面，本发明实施例提供了一种控制机械臂抓取物体的方法，应用于与所述机械臂通信连接的控制设备，所述机械臂上安装有摄像头，所述方法包括：

获取所述摄像头采集的目标物体当前时刻的目标图像；

将所述目标图像输入预先训练完成的目标卷积神经网络，得到目标图像对应的标签，其中，所述目标卷积神经网络为：基于图像样本及其对应的标签，对预先构建的初始卷积神经网络进行训练所得到的卷积神经网络，所述目标卷积神经网络包含所述图像样本的图像特征与标签的对应关系，所述标签用于标识所述机械臂与所述目标物体的相对位置关系；

判断所述目标图像对应的标签是否与预设结束标签相同；

如果否，根据预设的标签与运动方向的对应关系，确定所述目标图像对应的标签所对应的目标运动方向；

控制所述机械臂按照所述目标运动方向及预设距离移动，并返回所述获取目标物体当前时刻的目标图像的步骤；

如果是，控制所述机械臂抓取所述目标物体。

可选的，所述目标卷积神经网络的训练方式，包括：

构建初始卷积神经网络；

获取所述摄像头采集的所述目标物体的多个图像样本；

根据采集每个图像样本时，所述机械臂的位置信息及所述目标物体的位置信息，按照预设标签生成规则，确定每个图像样本对应的标签；

将所述图像样本及其对应的标签输入所述初始卷积神经网络进行训练；