[发明专利]一种基于深度学习的三维目标识别与最优抓取方法在审
| 申请号： | 201910077632.0 | 申请日： | 2019-01-26 |
| 公开（公告）号： | CN109784297A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 陈丹;林清泉 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/46;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福州市闽*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的三维目标识别与最优抓取方法。该方法，首先，采用Kinect相机获取图像；然后，在第一级构造一个改进的faster RCNN模型，对图像中的目标物体进行识别和定位，分割出目标物体所在的区域并进行相应的旋转；最后，在第二级构造一个新的faster RCNN模型，获取目标物体最优抓取部位的坐标和旋转角度，实现目标物体的最优抓取。本发明方法在目标识别部分对模型进行了改进，加强了对成像小的目标物体的识别和定位，并采用基于二分法的方法确定目标物体的姿态，减少运行时间，提高精度；该方法先对整个目标物体进行检测，再从检测的区域内寻找物体的最优位姿，不仅缩小了寻找特征的范围，也降低了识别出错的概率。 | ||
| 搜索关键词： | 目标物体 抓取 三维目标 二分法 获取目标 获取图像 目标识别 第一级 检测 位姿 成像 出错 改进 相机 图像 学习 分割 概率 | ||
【主权项】：
1.一种基于深度学习的三维目标识别与最优抓取方法，其特征在于，包括如下步骤：步骤S1、采用Kinect相机获取图像，并进行图像预处理；步骤S2、在第一级构造一个改进的faster RCNN模型，对图像中的目标物体进行识别和定位，分割出目标物体所在的区域并进行相应的旋转；步骤S3、在第二级构造一个新的faster RCNN模型，获取目标物体最优抓取部位的坐标和旋转角度，实现目标物体的最优抓取。
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福州大学，未经福州大学许可，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/201910077632.0/，转载请声明来源钻瓜专利网。
