[发明专利]目标获取方法、设备和计算机可读存储介质

说明书

本发明公开一种目标获取方法、设备和计算机可读存储介质，所述目标获取方法包括：所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。本发明具有自动分拣堆叠物体，提高机器人分拣的成功率的效果。

技术领域

本发明涉及机器人分拣领域，特别涉及目标获取方法、设备和计算机可读存储介质。

背景技术

目前随着物流自动化的发展，机器人分拣也越来越火热。越来越多的货物需要快速进行分拣。在实际操作中，许多货物堆叠在一起，需要进行分拣。

但是，现有的分拣方案中，货物堆叠在一起，通常采用人工进行分拣，因此效率较低。

发明内容

本发明的主要目的是提供目标获取方法、设备和计算机可读存储介质，旨在自动分拣堆叠物体，提高机器人分拣的成功率。

为实现上述目的，本发明提出的一种目标获取方法，用于机器人分拣重叠物体，所述目标获取方法包括：获得通过第一视觉结构拍摄的第一图像；将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，根据所要获取的目标的像素点集获得所述目标的边框信息，以及根据第一图像的三维信息获得所述目标的深度信息；根据所述边框信息和深度信息控制机械手移动并获取目标。

可选的，所述目标获取方法还包括：

获得多个训练图像；

根据输入指令获得所述训练图像中完整度达到70％的物体的标注；

根据所述训练图像和对应的标注对神经网络进行训练。

可选的，所述计算分割所述第一图像的二维信息中的每一物体包括：

通过Fully Convolutional Instance-aware Semantic Segmentation分割图片中每一个物体。

可选的，所述根据目标的像素点集获得所述目标的边框信息包括：

根据目标的像素点集以及RANSAC方法提取出目标的边框。

可选的，所述目标获取方法还包括：

获得通过第二视觉结构拍摄所述目标的第二图像；

根据所述第二图像的三维信息获得所述目标的当前姿态；

在所述当前姿态未匹配预设姿态时，控制所述机械手调整姿态，以使所述目标处于预设姿态。

本发明还提供了一种目标获取设备，所述目标获取设备包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的目标获取程序，所述目标获取程序被所述处理器执行时实现如下步骤：

获得通过位于上方的第一视觉结构拍摄的第一图像；

将所述第一图像输入至预先训练的神经网络进行计算，计算分割所述第一图像的二维信息中的每一物体，获得对应每一物体的像素点集；

根据所要获取的目标的像素点集获得目标的边框信息，以及根据第一图像的三维信息获得目标的深度信息；

根据所述边框信息和深度信息控制机械手移动并获取目标。

可选的，所述目标获取程序被所述处理器执行时还实现如下步骤：

获得多个训练图像；

根据输入指令获得所述训练图像中完整度达到70％的物体的标注；