[发明专利]一种机器人视觉识别方法、装置及计算机可读存储介质

权利要求书

1.一种机器人视觉识别方法，应用于机器人视觉识别系统，所述机器人视觉识别系统包括物理模拟器，其特征在于，所述机器人视觉识别系统包括生成网络和判别网络，所述机器人视觉识别方法包括以下步骤：

基于图片数据库获取若干个体素网格和条件向量，通过物理模拟器生成由所述若干个体素网格和条件向量组成的若干个地面真值对；

基于所述若干个地面真值对训练生成网络，不断优化生成网络的相关参数，以使所述生成网络的预测能力逐渐增强；

在获取到基于对实时环境图片下采样得到的第一体素网格时，通过生成网络将所述第一体素网格转化为一维向量，合并所述一维向量与基于空间特性生成的第一条件向量；

将所述生成网络输出的预测信息作为判别网络的输入值，结合基于空间特性生成的第二条件向量，确定所述生成网络输出的预测信息是否符合期望。

2.如权利要求1所述的机器人视觉识别方法，其特征在于，所述基于图片数据库对所述生成网络进行训练，以使所述生成网络的预测能力逐渐增强的步骤之前，所述方法还包括：

收集若干真实环境图片，建立对应的图片数据库。

3.如权利要求1所述的机器人视觉识别方法，其特征在于，所述生成网络包括自动编码器，所述在获取到基于对实时环境图片下采样得到的第一体素网格时，通过生成网络将所述第一体素网格转化为一维向量，合并所述一维向量与基于空间特性生成的第一条件向量的步骤包括：

在获取到机器人拍摄的实时环境图片时，对所述实时环境图片进行下采样得到所述实时环境图片对应的第一体素网格；

通过自动编码器将所述第一体素网格转化为对应的一维向量，与基于空间特性生成的第一条件向量合并。

4.如权利要求3所述的机器人视觉识别方法，其特征在于，所述通过自动编码器将所述第一体素网格转化为对应的一维向量，与基于空间特性生成的第一条件向量合并的步骤包括：

通过自动编码器将所述第一体素网格转化为对应的一维向量，并且基于所述第一体素网格获取所述第一体素网格的内部结构信息；

在获取到当前环境的空间特性时，将所述空间特性编码为第一条件向量，与所述一维向量合并。

5.如权利要求1所述的机器人视觉识别方法，其特征在于，所述生成网络包括解码器，所述在获取到基于对实时环境图片下采样得到的第一体素网格时，通过生成网络将所述第一体素网格转化为一维向量，合并所述一维向量与基于空间特性生成的第一条件向量的步骤之后，所述方法还包括：

通过解码器将合并后的所述一维向量和第一条件向量转化为第二体素网格，作为生成网络输出的预测信息。

6.如权利要求1所述的机器人视觉识别方法，其特征在于，所述将所述生成网络输出的预测信息作为判别网络的输入值，结合基于空间特性生成的第二条件向量，确定所述生成网络输出的预测信息是否符合期望的步骤包括：

获取基于当前环境的空间特性生成的第二条件向量；

在获取到所述生成网络输出的预测信息时，结合所述第二条件向量以及所述第一体素网格，确定所述预测信息是否符合期望。

7.如权利要求1至6中任一项所述的机器人视觉识别方法，所述空间特性条件包括外力的大小、外力的作用位置、以及受力材料。

8.一种机器人视觉识别装置，其特征在于，所述机器人视觉识别装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的机器人视觉识别程序，所述机器人视觉识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的机器人视觉识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有机器人视觉识别程序，所述机器人视觉识别程序被处理器执行时实现如权利要求1至7中任一项所述的机器人视觉识别方法的步骤。