[发明专利]一种基于三级卷积神经网络的物体抓取检测方法

摘要

本发明公开了一种基于三级串联卷积神经网络的物体抓取检测方法，包括：1获取数据集；2构建第一级、第二级和第三级卷积神经网络的网络结构，并训练卷积神经网络；3利用训练后的三级串联卷积神经网络获取目标物的预选抓取框和预选抓取框的评判值；4通过评判值获取最佳抓取框；5确定所述目标物的位置与姿态。本发明能提高抓取框的准确度，实现对未知物体的高准确度抓取。

主权项

1.一种基于三级卷积神经网络的物体抓取检测方法，是应用于由机器人、摄像机、目标物所组成的物体抓取操作中，其特征是，所述物体抓取检测方法是按如下步骤进行：步骤1：获取第一组数据集和第二组数据集，所述第一组数据集用于训练第一级卷积神经网络，所述第二组数据集用于训练第二级和第三级卷积神经网络；步骤2：构建第一级、第二级和第三级卷积神经网络，并利用所述第一组数据集和第二组数据集离线训练所述第一级、第二级和第三级卷积神经网络的参数，从而得到卷积神经网络模型；步骤3：由所述摄像机获取所述目标物的图像，并作为所述卷积神经网络模型的输入；步骤4：基于第一级卷积神经网络，通过滑动窗的方式对所述目标物的图像空间进行搜索，寻找出所述目标物的初步位置；步骤5：基于第二级卷积神经网络，通过滑动窗的方式对所述初步位置进行搜索，并确定若干个抓取矩形框作为预选抓取框；步骤6：利用第三级卷积神经网络对所述预选抓取框进行精确评判，获取每个预选抓取框的评判值；步骤7：根据预选抓取框的评判值对预选抓取框进行降序排序，并选出排名前N的预选抓取框；获取N个预选抓取框的各个中心点，并对所述各个中心点求取中心平均值，根据所述中心平均值分别得到N个预选抓取框的均方差，并选择均方差最小的预选抓取框作为最优抓取框；步骤8：使用所述最优抓取框确定所述目标物的位置与姿态。