[发明专利]针对复杂背景下的机器人抓取位置的检测方法

权利要求书

1.一种针对复杂背景下的机器人抓取位置检测方法，其特征在于，通过深度图depthmap和RGB图片轮廓的对比区分出目标物体和背景，在利用深度学习的检测方法获得抓取框。

2.该方法包括以下步骤：

S1.通过Kinect照相机提取RGB-D图片；

S2.提取目标所在区域U并分割出目标物体轮廓Img_RGB；

S3.在U区域中对RGB-D中的depth map进行图像预处理，提取图像轮廓Img_depth；

S4.对Img_depth和Img_RGB进行对比。

3.计算区分度若区分度ζ，保留存在目标物体的区域T；

S5. 提取目标物体存在区域T处图片特征，进行抓取检测得到用圆形表示的抓取位置C={x，y，d，，p}。

4.根据权利要求1所述的复杂背景下的机器人抓取位置检测方法其特征在于：

在步骤S4中对两张图片的轮廓进行对比；得到RGB目标物体的轮廓后，通过对获得的RGB边缘每一个像素信息与处理后深度图像的像素进行对比，确定目标图像。

5. 根据权利要求2所述的复杂背景下的机器人抓取位置检测方法其特征在于：

逐像素比较方法：

该方法利用二值图像的特征，即图像的每一个像素值只用0和1来表示；经过提取出的图像边缘轮廓都用值为0的像素表示；通过对RGB图片和深度图片中对应的和做差，计算出两张轮廓的区分度ζ，ζ的值越小匹配程度越高，立体物体存在的置信度越高。

6.根据权利要求1所述的复杂背景下的机器人抓取位置检测方法其特征在于：

步骤S5中获得到用圆形表示的抓取位置C={x，y，d，，p}的方法；通过多层卷积核提取出特征后，输出预测值x，y，d用于计算圆形抓取框的信息，并输出预测的抓取角度及其对应的概率。

7.根据权利要求4所述的复杂背景下的机器人抓取位置检测方法其特征在于：

C={x，y，d，，p}用于预测抓取位置，每一个（x，y，d）位置坐标对应的一组和p；将每一个圆形抓取框的角度选择通过分类的形式，做出预测；即每产生一个抓取位置，计算该位置所有角度的可能性。

8.根据权利要求5所述的复杂背景下的机器人抓取位置检测方法其特征在于：

对抓取角度进行分类选择，将角度的选择表示为一个k+1的分类问题，表示对应角度的的置信度；选择置信度最高的p作为抓取圆形的角度，第0项表示不存在抓取角度，即放弃该抓取位置，其余k项为可以自定义的角度方向。

9.根据权利要求4所述的复杂背景下的机器人抓取位置检测方法其特征在于：

损失函数为：；损失函数分为两部分：为分类的损失，采用交叉熵函数计算损失，其中为第i类的预测值的标签值；为采用方差计算损失，为第i类预测框的预测值，为第i类预测框的标签值，为权重。