[发明专利]类别判定及抓取位姿定位方法、存储介质和终端设备

说明书

本发明涉及类别判定及抓取位姿定位方法、存储介质和终端设备，包括：基于神经网络，构建以抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数为输入，待抓取物为规则件或不规则件为输出的类别判断模型；采集若干抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数的样本，并对待抓取物图像进行标注，得到样本集；将样本集的样本依次输入类别判断模型，得到训练后的类别判断模型；采集当前抓取件图像、当前待抓取物图像和相关参数的当前数据，输入训练后的类别判断模型，判定当前待抓取物为规则件或不规则件。

技术领域

本发明涉及控制领域，特别是涉及一种类别判定方法。

背景技术

在工程机械智能制造升级过程中，定制化零件具有形状复杂、尺寸跨度广等特点，出现了很多异形件，即非规则零件。对于规则件和非规则件，无论是图像识别方法、抓取定位方法等，都存在诸多差异。因此，在工业场景中，区别规则件和非规则件，以针对其不同类型而使用不同方法，开展识别、定位等工作都具有重大意义。

但是，上述场景中规则与非规则主要指零件的外形差异，目前尚无明确的几何定义对规则件与非规则件进行区分，导致实际工业场景中，经常将普通适用于规则件的方法，如识别方法、抓取位姿定位方法等，应用于非规则件上，导致识别错误、抓取失败等，严重影响整个生产线的正常运转和效率。

因此，如何识别规则件与非规则件，是工业生产线上必不可缺的研究方向，如何提供一种高准确性的零件类别判定方法，是本领域亟待解决的技术问题。

发明内容

为解决上述技术问题之一，本发明提供一种基于神经网络的类别判定方法，包括：

基于神经网络，构建以抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数为输入，待抓取物为规则件或不规则件为输出的类别判断模型；

采集若干抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数的样本，并对待抓取物图像进行标注，得到样本集；

将样本集的样本依次输入类别判断模型，得到训练后的类别判断模型；

采集当前抓取件图像、当前待抓取物图像和相关参数的当前数据，输入训练后的类别判断模型，判定当前待抓取物为规则件或不规则件。

进一步地，抓取件图像为抓取件的二值化图像；待抓取物图像为待抓取物的二值化图像。

进一步地，重合面积最大化问题相关参数为抓取件最大旋转角度的正负极值；待抓取物的重心点横纵坐标；待抓取物的宽度正负极值；待抓取物的高度正负极值的至少一组或多组。

进一步地，对待抓取图像进行标注的步骤，包括：

采用重心旋转搜索法，搜索抓取件抓取待抓取物的最大抓力；

判断最大抓力是否大于设定阈值；

若是，则将待抓取物标注为规则件；若否，则将待抓取物标注为不规则件。

进一步地，对待抓取图像进行标注的步骤，可表示为：

其中，i表示吸盘中的第i个磁块，i取1至N，N为吸盘的磁块总数，S_r表示第i个磁块与零件的贴合面积，S_i表示第i个磁块的磁块面积，I_i表示第i个磁块的指示函数；F_i表示第i个磁块的额定吸力，G表示待抓取物的重力，β表示吸力与零件重力的最大比值的设定阈值。

进一步地，类别判断模型，包括：

输入层，用于输入抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数；

特征提取层，用于提取输入层输入内容的特征；