[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

权利要求书

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。

2.根据权利要求1所述的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，在步骤S1中，所述图像预处理，包括对深度图像进行轮廓提取，并将轮廓图像、彩色图像和深度图像分别按预定比例的权值进行像素值相加，得到融合图像。

3.根据权利要求1所述的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，在步骤S2中，所述改进的faster RCNN模型，包括依次连接的卷积层1、池化层1、卷积层2、卷积层3、卷积层4、池化层2、卷积层5、融合层，所述卷积层3还与融合层连接，同时，为了能识别成像小的物体，对卷积层2和卷积层4的参数进行调整，即卷积层2的参数调整为：卷积核大小为3*3，边缘扩展数为1，步长为1；卷积层4的参数调整为：卷积核大小为5*5，边缘扩展数为2，步长为2。

4.根据权利要求3所述的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，在步骤S2中，所述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的具体实现过程为：将经步骤S1进行图像预处理得到的融合图像，输入改进的faster RCNN模型，经过5层卷积层的提取和特征图像融合，然后与训练好的类别特征进行比较，得到目标物体的类别及位置。

5.根据权利要求1所述的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，在步骤S2中，分割出目标物体所在的区域并进行相应的旋转的具体过程为：

步骤S21、根据改进的faster RCNN模型，对图像中的目标物体的识别和定位，寻找目标物体的轮廓，从而将目标物体从图像中分割出来：

步骤S22、采用最小包围矩形包围目标物体的轮廓，并确定旋转范围：

步骤S23、采用二分法将图像进行多次旋转。