[发明专利]机器人的物体抓取判别方法

摘要

本发明涉及图像分类技术领域，具体为机器人的物体抓取判别方法。解决现有机器人的物体抓取判别方法存在的物体抓取判别精度低并且计算复杂度高的问题。本发明基于局部感受野的宽度学习提出了一种机器人的物体抓取判别方法，该方法利用灵活的局部感受野分别提取待抓取物体彩色和深度图像的底层特征，减少了网络的参数，提高了网络的效率；基于宽度学习这种平面网络框架提取深层特征，不需要持续增加层数及参数，极大缩短了网络的训练时间。

主权项

1.一种机器人的物体抓取判别方法，其特征在于，该方法是采用如下步骤实现的：步骤S1、利用RGB‑D相机采集机器人待抓取物体的彩色和深度图像，采用二维平面的矩形抓取框来表达目标区域的可抓取性，然后提取每个矩形抓取框内包含的RGB‑D彩色子图像和深度子图像，对彩色子图像和深度子图像进行白化预处理；步骤S2、对步骤S1中得到的每个矩形抓取框内的彩色子图像，利用基于局部感受野的方法提取彩色子图像的底层特征，具体步骤如下：步骤S21）、对彩色子图像进行R、G、B向量分离，以更充分地提取待抓取物体的彩色特征，有效避免外界干扰；步骤S22）、将分离的彩色图像R、G、B三通道的向量作为输入层，随机产生三个颜色通道的输入层和隐含层之间的初始权重；步骤S23）、对初始权重进行奇异值分解正交化；步骤S24）、使用步骤S23）生成的局部感受野，对彩色子图像的R、G、B三通道的向量进行卷积特征映射，并将R、G、B三通道卷积后的特征组合到一起；步骤S25）、对卷积特征映射形成的组合节点的值进行平方根池化，得到彩色子图像的底层特征；步骤S3、将每个矩形抓取框内的彩色子图像的底层特征组合到一起，获得待抓取物体的彩色子图像的底层特征；步骤S4、对步骤S1中得到的每个矩形抓取框内的深度子图像，利用基于局部感受野的方法提取深度子图像的底层特征，具体步骤如下：步骤S41）、随机产生输入层和隐含层之间的初始权重；步骤S42）、对初始权重进行奇异值分解正交化；步骤S43）、使用步骤S42）生成的局部感受野，对深度子图像的向量进行卷积特征映射；步骤S44）、对卷积特征映射形成的组合节点的值进行平方根池化，而得到深度子图像的底层特征；步骤S5、将每个矩形抓取框内的深度子图像的底层特征组合到一起，获得待抓取物体的深度子图像的底层特征；步骤S6、将待抓取物体的彩色子图像底层特征和待抓取物体的深度子图像底层特征分别作为宽度学习系统的输入，系统分别输出待抓取物体的彩色子图像深层特征和待抓取物体的深度子图像深层特征；步骤S7、并联步骤S6生成的待抓取物体的彩色子图像深层特征和待抓取物体的深度子图像深层特征表达，即将待抓取物体的彩色子图像深层特征和待抓取物体的深度子图像深层特征进行融合，得到最后的输出，作为机器人能否成功抓取物体的判断依据。