[实用新型]一种物体抓取特征点训练学习机器人有效

专利信息
申请号: 201921393670.9 申请日: 2019-08-26
公开(公告)号: CN210500281U 公开(公告)日: 2020-05-12
发明(设计)人: 裴东;林佳超;王润杰;张博文;冯佳萌;丁鹏 申请(专利权)人: 西北师范大学
主分类号: B25J9/16 分类号: B25J9/16
代理公司: 北京世誉鑫诚专利代理事务所(普通合伙) 11368 代理人: 孙国栋
地址: 730070 甘肃省兰州*** 国省代码: 甘肃;62
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 物体 抓取 特征 训练 学习 机器人
【说明书】:

实用新型公布了一种物体抓取特征点训练学习机器人,包括用于抓取物体的机械臂、用于采集物体图像及机械臂动作图像的图像采集模块、控制所述机械臂工作的主控模块以及控制所述图像采集模块采集图像及对图像采集模块采集到的图像信息进行分析,并计算出与机械臂相关抓取点的信息分析处理模块;其中,所述机械臂及信息分析处理模块均与所述主控模块通讯连接,所述图像采集模块与所述信息分析处理模块通讯连接;所述图像采集模块将采集到的物体图像信息传输给所述信息分析处理模块,所述信息分析处理模块对图像进行分析,并将分析结果传输给主控模块,所述主控模块接收到分析结果后控制机械臂执行相应动作。

技术领域

本实用新型涉及机器人技术领域,尤其涉及一种物体抓取特征点训练学习机器人。

背景技术

当今时代机器人技术飞速发展。机器人技术不仅走进工厂企业,同时也走进了人们的时候中。然而工业机器人和服务机器人都有面临搬运夹取不同形状或者不规则物体时抓取位置不准确、抓取不稳定的难题。

众所周知不同形状的物体抓取点是不一样的,如何选取和确定最优的抓取特征点显得尤为重要。准确地特征点选取能让机器人的人机交互得到更好的体验,伴随而来的就是机器人能够准确稳定的抓取和搬运使用者需要的物品。

物体抓取特征点的选择如今也是机器人领域里的一个热门研究方向。随着机器学习和神经网络相关算法的加入物体抓取特征点训练学习机器人显得尤为实用。设计一个可以对算法给出的物体抓取特征点进行验证试验的实物机器人对机器人稳定抓取物体意义重大。物体抓取特征点训练学习机器人既能对相关算法的验证起到直接的作用。同时也能很好地提高机器人抓取物体的鲁棒性。

在物体抓取特征点训练学习机器人的帮助下开发者可以更直观地观察自己编写的程序是否可行,同时对程序的优化改进提高很好的数据样本。提高机器人的不断试验和学习物体抓取特征点的算法也会越来越准确有效,不断优化的同时机器人抓取物体的人机交互体验也会变的越来越好。物体抓取特征点训练学习机器人不仅能展现机器人抓取目标物的姿态和稳定性,同时相比较软件仿真能更为可靠地优化机器人抓取目标物的特征点提取的相关算法。从而让机器人更稳定地抓取物体。综上所叙物体抓取特征点训练学习机器人的开发和实现研究对机器人发展有着极大的促进作用。

实用新型内容

为了解决上述问题,本实用新型的主要目的是提供一种物体抓取特征点训练学习机器人,以提高机器人抓取不同物体时的准确性和稳定性。

为实现本实用新型的主要目的,本实用新型提供了一种物体抓取特征点训练学习机器人,包括用于抓取物体的机械臂、用于采集物体图像及机械臂动作图像的图像采集模块、控制所述机械臂工作的主控模块以及控制所述图像采集模块采集图像及对图像采集模块采集到的图像信息进行分析,并计算出与机械臂相关抓取点的信息分析处理模块;其中,所述机械臂及信息分析处理模块均与所述主控模块通讯连接,所述图像采集模块与所述信息分析处理模块通讯连接;所述图像采集模块将采集到的物体图像信息传输给所述信息分析处理模块,所述信息分析处理模块对图像进行分析,并将分析结果传输给主控模块,所述主控模块接收到分析结果后控制机械臂执行相应动作。

作为优选方案,所述图像采集模块为摄像头,所述摄像头通过USB串口与所述信息分析处理模块连接,所述摄像头将采集到的图像信息通过所述USB串口传递给所述信息分析处理模块。

作为优选方案,所述信息分析处理模块为PC电脑、笔记本电脑、平板电脑或手持终端。

作为优选方案,所述主控模块为STM32主控芯片,所述STM芯片通过RS232串口与所述信息处理分析模块通讯连接。

作为优选方案,还包括用于放置物体的载物台,所述载物台上安装有检测载物台上的压力信号的压力传感器,所述压力传感器与所述主控模块通讯连接。

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西北师范大学,未经西北师范大学许可,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/pat/books/201921393670.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top