[发明专利]物品夹取方法及机器人

说明书

本申请适用于计算机应用技术领域，提供了物品夹取方法及机器人，包括：通过获取待夹取物体的表面信息，并从所述表面信息中提取出轮廓信息；根据所述轮廓信息，确定所述待夹取物体的重心和物体方向；根据所述重心和所述物体方向确定所述待夹取物体的夹取位置和姿态；根据所述夹取位置和姿态夹取所述待夹取物体。通过根据待夹取物体的轮廓信息确定该物体的重心和物体方向，进而根据重心和物体方向确定待夹取物体的夹取位置和姿态，最后根据夹取位置和姿态夹取该物体，提高了物体夹取的精确度，尤其是在重型垃圾的视觉分选中，提高了重型垃圾夹取的成功率和效率。

技术领域

本申请属于计算机应用技术领域，尤其涉及一种物品夹取方法及机器人。

背景技术

在垃圾视觉分选中，较重或者体积较大的物体，如在垃圾中，石块、金属、塑料罐等都属于这一种，如果使用机器人分选的话，一种较优的方案就是使用夹爪来夹取重型垃圾。那么此时就必须针对各种不同的垃圾的形状，位置和姿态等得出一个最优夹取方案。

现有技术中从深度学习预测结果里面获取到的表面信息，即mask信息，将获取到的mask信息通过像素信息获取到其上下左右的极限值，绘制矩形框。然而当物体的上下两边距比左右两边距的要短时，夹取的位置为矩形框的中心，张开的角度为上下边距长度，机器人的旋转角度为0度。这种方式忽略了mask信息本身所带的像素信息，角度只有90度和0度，且该方法完全依赖于机器人自己通过阻力判断是否夹取到物体，尤其是在物体的形状不规则的情况下，容易出现对物体抓取不稳定或者抓不到的情况，降低了抓取成功的概率。

发明内容

本申请实施例提供了物品夹取方法及机器人，可以解决现有技术中对物体抓取不稳定或者抓不到，物体抓取成功的概率较低的问题。

第一方面，本申请实施例提供了一种物品夹取方法，包括：

获取待夹取物体的表面信息，并从所述表面信息中提取出轮廓信息；

根据所述轮廓信息，确定所述待夹取物体的重心和物体方向；

根据所述重心和所述物体方向确定所述待夹取物体的夹取位置和姿态；

根据所述夹取位置和姿态夹取所述待夹取物体。

其中，所述根据所述轮廓信息，确定所述待夹取物体的重心和物体方向，包括：

根据所述轮廓信息，确定所述待夹取物体的重心；

根据所述轮廓信息确定所述待夹取物体的所述物体方向；所述确定所述待夹取物体的所述物体方向的方法包括：霍夫变换、直线拟合、最小外接矩形方法或最小外接椭圆方法。

其中，所述根据所述轮廓信息确定所述待夹取物体的所述物体方向，包括：

对所述轮廓信息进行霍夫变换得到直线信息，根据所述直线信息确定所述物体方向。

其中，所述对所述轮廓信息进行霍夫变换得到直线信息，根据所述直线信息确定所述物体方向，包括：

对所述轮廓信息进行霍夫变换得到所述轮廓信息中各直线的直线信息；

根据所述直线信息以及预设的直线参数计算方法，计算每条所述直线对应的直线参数；

将所述直线参数大于预设阈值的直线识别为目标直线；

根据每个所述目标直线的角度计算所述物体方向。

其中，所述对所述轮廓信息进行霍夫变换得到所述轮廓信息中各直线的直线信息，包括：

对所述轮廓信息进行霍夫变换，将极坐标下的轮廓信息转换为霍夫空间中的直线信息；

将所述直线中最长直线的长度识别为单位长度，将所述最长直线的角度识别为单位角度；