技术特征：
1.一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，包括：步骤1：构建深度学习模型，并基于预设图像训练集对所述深度学习模型进行训练；步骤2：获取待抓取目标物的目标图像，并基于训练后的深度学习模型对所述目标图像进行处理，得到所述目标物的位置及姿态信息；步骤3：基于所述目标物的位置及姿态信息对搬运机器的抓取路径以及抓取方式进行规划，并基于规划结果对目标物进行抓取及搬运。2.根据权利要求1所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，步骤1中，构建深度学习模型，并基于预设图像训练数据集对所述深度学习模型进行训练，包括：构建深度学习模型，同时，获取预设图像训练集，并对所述预设图像训练集中每一预设图像的待检测目标在所述预设图像中进行位置标注，得到所述待检测目标在预设图像中的坐标信息；基于所述坐标信息提取所述待检测目标在所述预设图像中的姿态特征，同时，获取管理终端对所述深度学习模型的预设条件，其中，所述预设条件为要求所述深度学习模型对所述预设图像训练集进行姿态识别时，识别结果需要满足的条件；基于所述姿态特征以及所述预设条件对所述深度学习模型进行训练。3.根据权利要求2所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，基于所述姿态特征以及所述预设条件对所述深度学习模型进行训练，包括：获取训练后的深度学习模型，同时，获取历史物体姿态图像，其中，所述历史物体姿态图像为多张，且每一张能够明显表明物体当前所处姿态；将所述历史物体姿态图像输入训练后的深度学习模型，得到所述训练后的深度学习模型对所述历史物体姿态图像识别的准确率；将所述准确率与预设准确率进行比较；若所述准确率大于或等于所述预设准确率，判定对深度学习模型的训练合格；否则，判定对深度学习模型的训练不合格，并重新对所述深度学习模型进行训练，直至所述准确率大于或等于所述预设准确率。4.根据权利要求1所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，步骤1中，构建深度学习模型，并基于预设图像训练数据集对所述深度学习模型进行训练，还包括：获取训练后的深度学习模型，并实时获取所述训练后的深度学习模型的运行数据，其中，所述运行数据包括对待分析图像的识别结果；基于所述识别结果判断所述训练后的深度学习模型在对待分析图像进行识别时，是否存在对新的物体姿态识别失败现象；若存在，将所述新的物体姿态对应的待分析图像存储至数据更新库，并基于所述数据更新库对所述深度学习模型进行数据更新；否则，确定所述深度学习模型识别工作正常。5.根据权利要求1所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，步骤2中，获取待抓取目标物的目标图像，并基于训练后的深度学习模型对所述目标图像进行处理，得到所述目标物的位置及姿态信息，包括：
基于预设摄像头获取所述目标物的目标图像，并将所述目标图像分为参考集与待修正集，其中，所述目标图像至少为两张；基于参考集中的参考图像与待修正集中的待修正图像的交叉熵的峰值坐标获取还原位移量，并基于所述还原位移量对所述待修正图像进行位移，得到位移修正图像；基于所述位移修正图像与所述待修正图像的重叠部分及参考图像中与重叠部分对应的部分以外的其他部分形成目标修正图像，并确定所述目标修正图像中每个像素灰度值的平均值；基于预设方法通过所述每个像素灰度值的平均值得到所述目标修正图像中每个像素灰度值对应的色彩值，并将每个像素灰度值对应的色彩值与对应的预设色彩值进行比较；若所述色彩值与所述预设色彩值不一致，基于所述预设色彩值确定当前像素灰度值对应的色彩修正值，并基于所述色彩修正值对当前像素灰度值对应的色彩值进行修正，得到目标待识别图像；基于所述深度学习模型，提取所述目标待识别图像中的目标参考物，并将所述目标物及所述目标参考物所处场地网格化；基于网格化的场地确定所述目标参考物的第一坐标信息，同时确定所述目标物在所述网格化的场地中的第二坐标信息；基于所述第一坐标信息以及所述第二坐标信息确定所述目标参考物与所述目标物之间的方向及距离，并根据预设方法计算得到所述目标物的位置信息；同时，基于所述深度学习模型，提取所述目标待识别图像中目标物，并将所述目标待识别图像中的目标物与背景进行分割，得到目标物主体图像以及背景图像；将所述目标物主体图像进行去噪处理，并将去噪处理后的目标物主体图像输入所述深度学习模型进行分析，得到所述目标物的姿态信息，其中，所述姿态信息包括目标物的朝向以及摆放角度。6.根据权利要求5所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，得到所述目标物的姿态信息，还包括：获取所述目标物的位置信息及姿态信息，同时确定搬运机器人对待识别数据的预设格式要求；基于所述预设格式要求将所述目标物的位置信息及姿态信息进行格式转换，并将转换后的目标物的位置信息及姿态信息分别放置于对应的数据传输队列；基于目标物的位置信息及姿态信息在数据传输队列中的排列顺序，依次将所述目标物的位置信息及姿态信息传输至搬运机器人终端。7.根据权利要求1所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，步骤3中，基于所述目标物的位置及姿态信息对搬运机器的抓取路径以及抓取方式进行规划，并基于规划结果对目标物进行抓取及搬运，包括：获取所述目标物的位置信息以及所述搬运机器人的当前位置信息，并基于所述目标物的位置信息以及所述搬运机器人的当前位置信息构建搬运机器人与所述目标物之间的距离矩阵；基于预设方法通过所述距离矩阵确定所述搬运机器人行驶至所述目标物的初始规划路径，其中，所述初始规划路径至少为两条；
获取所述搬运机器人的行驶速度，并基于所述行驶速度确定所述初始规划路径的用时信息，且将用时最短的初始规划路径确定为目标抓取路径；所述搬运机器人基于所述目标抓取路径行驶至所述目标物位置，并基于所述目标物的姿态信息对所述目标物进行可抓取点分析，得到所述目标物上对应的可抓取点指标信息；基于所述可抓取点指标信息确定目标抓取点，并基于所述目标抓取点在所述目标物上的分布特征确定所述搬运机器人的抓取角度；基于所述抓取角度对所述搬运机器人的各关节伸展角度进行确定，得到所述搬运机器人的目标抓取姿态；基于所述目标抓取姿态控制所述搬运机器人对所述目标物进行抓取，同时获取对所述目标物的预设放置点的坐标信息；基于所述预设放置点的坐标信息控制所述搬运机器人将所述目标物搬运至预设放置点，完成对所述目标物的抓取及搬运。8.根据权利要求7所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，基于所述目标抓取姿态控制所述搬运机器人对所述目标物进行抓取，包括：获取所述搬运机器人抓取所述目标物的抓取数据，其中，所述抓取数据包括搬运机器人对所述目标物施加的抓力；获取所述目标物的质量信息，并基于预设计算方法确定所述目标物被抓取所需的最小抓力；将所述搬运机器人对所述目标物施加的抓力与所述目标物被抓取所需的最小抓力进行比较；若所述搬运机器人对所述目标物施加的抓力小于所述目标物被抓取所需的最小抓力，判定所述搬运机器人不能将所述目标物成功抓取，并对所述搬运机器人的运行功率进行调整，直至搬运机器人对所述目标物施加的抓力大于或等于所述目标物被抓取所需的最小抓力；否则，判定所述搬运机器人能将所述目标物成功抓取。9.根据权利要求7所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，基于所述预设放置点的坐标信息控制所述搬运机器人将所述目标物搬运至预设放置点，包括：基于预设照相机获取所述目标物被放置在所述预设放置点的放置图像，其中，所述放置图像包括所述目标物的外表情况；获取所述目标物被抓取前的原始物体图像，将所述放置图像与所述原始物体图像进行对比，并基于对比结果判断所述搬运机器人在对所述目标物抓取过程中是否对所述目标物造成损坏；若所述原始物体图像与放置图像中目标物表面情况发生改变，则判定所述搬运机器人对所述目标物造成损坏；否则，判定所述搬运机器人未对所述目标物造成损坏，且所述目标物完好。10.根据权利要求9所述的一种基于深度学习的物体姿态识别抓取的搬运机器人方法，其特征在于，判定所述搬运机器人对所述目标物造成损坏，包括：获取所述目标物被放置在所述预设放置点的放置图像，并基于所述放置图像确定所述
目标物被损坏的程度信息以及损坏位置的具体位置信息；基于预设数据传输方法将所述目标物被损坏的程度信息以及损坏位置的具体位置信息发送至管理者终端进行提醒。
技术总结
本发明提供了一种基于深度学习的物体姿态识别抓取的搬运机器人方法，包括：构建深度学习模型，并基于预设图像训练集对所述深度学习模型进行训练；获取待抓取目标物的目标图像，并基于训练后的深度学习模型对所述目标图像进行处理，得到所述目标物的位置及姿态信息；基于所述目标物的位置及姿态信息对搬运机器的抓取路径以及抓取方式进行规划，并基于规划结果对目标物进行抓取及搬运。通过提前对不同的工作任务进行训练，提高了搬运机器人对物体的识别效率，同时在搬运过程中能够快速规划搬运路径以及抓取方式，在保证安全搬运物体的前提下，提高了对物品的搬运效率，节省了大量的人力物力。的人力物力。的人力物力。
技术研发人员：王三祥 王欣 王锋 刘洪顺 张成国 张朝年
受保护的技术使用者：江苏昱博自动化设备有限公司
技术研发日：2021.11.01
技术公布日：2022/1/14