[发明专利]一种分拣模型生成方法

说明书

本发明公开了一种机器人抓取有标签数据自动生成方法，其属于工业机器人领域的技术，包括：步骤S1，通过所述仿真分拣系统获得待抓物体的有抓取标签的仿真图像，所述抓取标签为所述待抓物体的可抓取区域；步骤S2，通过所述机器人分拣系统的获得所述待抓物体的真实图像；步骤S3，根据所述仿真图像和所述真实图像训练获得一对抗网络；步骤S4，所述对抗网络根据具有所述抓取标签的所述仿真图像生成机器人的训练用的所述标签图像。该技术方案的有益效果是：能够生成大量的用于机器人深度学习的标签图像，从而不需要进行人工标记，进一步提高了深度学习在机器人中的应用效率以及减少了迭代时间。

技术领域

本发明涉及的是一种工业机器人领域的技术，具体是一种机器人抓取有标签数据自动生成方法。

背景技术

深度学习技术在机器人领域有着广泛的应用，但需要大量有标记的图像数据用于深度学习训练。原因在于，在强标签的深度学习技术框架下，有标签数据量越大，质量越好，算法模型就表现的越好。

然而在机器人领域，特别是在机器人抓取领域，缺少像计算机视觉领域的大规模有标签数据集。在这种情况下，极度依赖人工标记抓取区域或者抓取位姿，需要消耗大量人力来标签数据(标签图像)，这不仅降低了深度学习在机器人领域应用的效率，也降低了工业机器人抓取算法的更新速度。

在不依赖数据的传统抓取规划方法中，基于几何驱动的抓取规划大多在仿真环境中针对确定性物体采用力封闭、形封闭等方法计算抓取位置或可抓取姿态。

发明内容

本发明针对现有技术存在的上述不足，提出一种机器人抓取有标签数据自动生成方法，能够生成大量的用于机器人深度学习的标签图像，从而不需要进行人工标记，进一步提高了深度学习在机器人中的应用效率以及减少了迭代时间。

本发明是通过以下技术方案实现的：

本发明涉及一种机器人抓取有标签数据自动生成方法，其中，预设一机器人分拣系统和一与所述机器人分拣系统相对应的仿真分拣系统，根据所述机器人分拣系统和所述仿真分拣系统生成多个标签图形，并根据所述标签图形训练一用于分拣物体的分拣模型；

所述标签图像生成方法包括以下步骤：

步骤S1，通过所述仿真分拣系统获得待抓物体的有抓取标签的仿真图像，所述抓取标签为所述待抓物体的可抓取区域；

步骤S2，通过所述机器人分拣系统获得所述待抓物体的真实图像；

所述步骤S1和所述步骤S2不分先后；

步骤S3，根据所述仿真图像和所述真实图像训练获得一对抗网络；

步骤S4，所述对抗网络根据具有所述抓取标签的所述仿真图像生成机器人的训练用的所述标签图像。

优选的，该机器人抓取有标签数据自动生成方法，其中，所述机器人分拣系统包括：

工业机器人，所述工业机器人的端部设有一可更换抓手；

摄像头，用于获得所述待抓物体的真实图像。

优选的，该机器人抓取有标签数据自动生成方法，其中，所述步骤S1具体包括以下步骤：

步骤S11，获得所述待抓物体的物体模型，并根据所述待抓物体的所述物体模型获得每一所述待抓物体的原始抓取标签；

步骤S12，所述仿真分拣系统将所述待抓物体的所述物体模型随机堆放；

步骤S13，所述仿真分拣系统根据所述原始抓取标签获得随机堆放的所述待抓物体的所述物体模型的所述抓取标签；

步骤S14，所述仿真分拣系统截取包括所述抓取标签的所述待抓物体的仿真图像。