[发明专利]一种复杂环境下基于深度学习的无标定机械臂抓取方法有效
| 申请号： | 201810564613.6 | 申请日： | 2018-06-04 |
| 公开（公告）号： | CN108748149B | 公开（公告）日： | 2021-05-28 |
| 发明（设计）人： | 魏国亮;余玉琴;蔡晨 | 申请（专利权）人： | 上海理工大学 |
| 主分类号： | B25J9/16 | 分类号： | B25J9/16 |
| 代理公司： | 北京纪凯知识产权代理有限公司 11245 | 代理人： | 陆惠中;王永伟 |
| 地址： | 200093 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于视觉的机械臂抓取物体方法，特别是一种复杂环境下基于深度学习的无标定机械臂抓取方法。其步骤包括：S10，搭建YOLOv2物体检测模型；S20，设定目标物体、摄像机和机械臂三者之间的位置关系；S30，对包含目标物体的图片中的各类物体进行检测，输出检测结果；S40，初始化机械臂末端抓手的位置和抓取姿态，对机械臂的抓手进行检测，输出检测结果；S50，摄像机对目标物体和抓手进行检测，输出检测信息；S60，结合P控制和闭环控制方法控制机械臂向目标物体移动；S70，抓取目标物体。本发明的机械臂抓取目标物的方法，可以适应在复杂环境下的目标物抓取，大大减少了数据处理的复杂度和数据计算量，提高抓取效率。 | ||
| 搜索关键词： | 一种 复杂 环境 基于 深度 学习 标定 机械 抓取 方法 | ||
【主权项】：
1.一种复杂环境下基于深度学习的无标定机械臂抓取方法，其特征在于，包括以下步骤：S10，搭建YOLOv2物体检测模型；S20，设定目标物体(10)、摄像机(20)和机械臂(30)三者之间的位置关系，使图像坐标系的u坐标轴方向与机械臂坐标系的YR坐标轴方向相对应，摄像机坐标系的ZC坐标轴方向与机械臂坐标系的XR坐标轴方向相对应；S30，YOLOv2物体检测模型对包含目标物体(10)的图片中的各类物体进行检测，输出检测信息；S40，初始化机械臂(30)末端抓手(31)的位置和抓取姿态，YOLOv2物体检测模型对抓手(31)进行检测，输出检测信息；S50，摄像机(20)对目标物体(10)和抓手(31)进行检测，输出检测信息；S60，结合P控制和闭环控制方法控制机械臂(30)向目标物体(10)移动；S70，抓取目标物体(10)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海理工大学，未经上海理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810564613.6/，转载请声明来源钻瓜专利网。
