[发明专利]基于深度卷积神经网络的物体识别与抓取位置检测方法

摘要

本发明属于服务机器人技术领域，具体涉及一种基于深度卷积神经网络的物体识别与抓取位置检测方法，旨在解决现有物体识别与抓取位置检测技术实时性仍需进一步提升的问题，本发明方法预先构建并训练包含区域建议网络、全连接层、分类器、第一回归器、第二回归器的深度卷积神经网络，并基于该网络进行物体识别、定位矩形框的获取、抓取位置检测。本发明可以有效提升物体识别与抓取位置检测的实时性。

主权项

1.一种基于深度卷积神经网络的物体识别与抓取位置检测方法，其特征在于，基于预先构建并训练的包含区域建议网络、全连接层、分类器、第一回归器、第二回归器的深度卷积神经网络，该方法包括以下步骤：步骤S10，服务机器人通过安装在自身的Kinect传感器获取原始彩色图像，作为第一图像；步骤S20，将所述第一图像压缩为第二图像；所述第二图像的预设尺寸为M×N；步骤S30，基于所述区域建议网络提取所述第二图像的特征图G，并对所述特征图G进行候选矩形框的提取，构建第一候选矩形框集合；步骤S40，利用感兴趣区域池化对所述第一候选矩形框集合中的各候选矩形框在特征图G上所对应的特征进行处理，得到第一特征向量；第一特征向量经所述全连接层进行处理后得到第二特征向量；步骤S50，将所述第一候选矩形框集合中的各候选矩形框所对应的第二特征向量，分别送入所述分类器中进行类别判定，并构建第二候选矩形框集合；步骤S60，利用所述第一回归器对第二候选矩形框集合中的各候选矩形框分别进行调整，得到各候选矩形框所对应的定位矩形框，构建定位矩形框集合；步骤S70，对于所述定位矩形框集合中的各定位矩形框，利用所述第二回归器分别计算各定位矩形框所对应物体的抓取位置。