[发明专利]一种机器人抓取检测方法及系统

说明书

本申请一种机器人抓取检测方法及系统，方法主要包括：(1)识别物体类别；(2)对未知物体在第一公共数据集上图片检索获取标记数据，更新物体类别判断模型；(3)更新抓取检测模型，对物体重新进行抓取框检测；(4)控制机器人对物体进行实际抓取。当物体被识别为未知时在公共数据集中进行检索获得标记数据并更新抓取检测模型，无需额外的仿真环境和人工干预，有效提高抓取检测模型对未知物体的抓取能力；采用已知物体和未知物体的图像样本进行模型更新，采用了增量学习的模型训练方法，可动态更新物体抓取的知识库，保持抓取检测模型对原有标记数据的记忆能力和提高对新标记数据的学习能力。

技术领域

本发明属于机器人视觉系统抓取控制领域，具体涉及一种机器人抓取检测方法及系统。

背景技术

传统的机器人抓取框检测方法建立在封闭世界上，训练数据只包含已知物体的标记数据，抓取框检测模型针对训练数据训练好后，知识库便定了型，后续无法动态更新知识库，这样得到的抓取检测模型在对已知物体的识别上能够产生很好的效果；但由于缺少对未知物体的标记数据，抓取检测模型在训练的时候并没有对应的数据，因此对于未知物体的识别，机器人则无法生成好的抓取框。

而在实际应用中事先收集所有物体的标记数据是不现实的，针对训练样本不足的问题现有的技术方案主要有结合仿真环境生成虚拟数据的方法、半监督方法、自监督方法等，这些方法仍然依赖人工干预和环境交互，未能有效利用现有的公共抓取数据集，而公共抓取数据集往往包含了未知物体的标记数据，现有的技术方案时间成本和运算成本增加，模型训练效率较低。

发明内容

基于此，本发明旨在提出一种机器人抓取检测方法及系统，充分利用现有的公共数据集以获取未知物体的标记数据，达到动态更新抓取检测模型、扩充模型的泛化能力的目的，以克服上述现有技术的缺陷。

本发明一种机器人抓取检测方法，包括：

S1.获取物体图像，利用物体类别判断模型识别物体的类别，当识别为未知物体时进入步骤S2，否则进入步骤S4；

S2.将物体图像与第一公共数据集进行度量得到未知物体的标记数据，并更新物体类别判断模型；

S3.利用未知物体和已知物体的图像样本对抓取检测模型训练更新；

其中，抓取检测模型的初始训练集为第二公共数据集；

S4.利用抓取检测模型对物体图像进行识别，生成对应的抓取框以控制机器人对物体进行抓取。

进一步地，步骤S1中利用物体类别判断模型识别物体的类别包括：

S11.提取物体图像的特征向量并计算与已知物体类别特征向量序列[μ_k]中每个已知物体类别μ_k的距离，k表示已知物体类别；

S12.步骤S11计算的距离小于第一阈值时判断为已知物体，并取距离最小值对应的物体类别作为该物体图像的类别，否则判断为未知物体。

进一步地，步骤S2包括：

S21.提取物体图像的特征向量并计算与第一公共数据集中图像的特征向量之间的距离；

S22.根据步骤S21计算的距离对第一公共数据集中的图像进行降序排列，在距离超过第二阈值的图像中选取n张作为相似图像集合；

S23.根据相似图像集合在第一公共数据集中获取未知物体的标记数据；

S24.根据相似图像集合计算未知物体类别的特征向量，更新物体类别判断模型。

进一步地，步骤S24包括：