[发明专利]类别判定及抓取位姿定位方法、存储介质和终端设备

权利要求书

1.一种基于神经网络的类别判定方法，其特征在于，包括：

基于神经网络，构建以抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数为输入，待抓取物为规则件或不规则件为输出的类别判断模型；

采集若干抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数的样本，并对待抓取物图像进行标注，得到样本集；

将样本集的样本依次输入类别判断模型，得到训练后的类别判断模型；

采集当前抓取件图像、当前待抓取物图像和相关参数的当前数据，输入训练后的类别判断模型，判定当前待抓取物为规则件或不规则件。

2.根据权利要求1所述的类别判定方法，其特征在于，抓取件图像为抓取件的二值化图像；待抓取物图像为待抓取物的二值化图像。

3.根据权利要求2所述的类别判定方法，其特征在于，重合面积最大化问题相关参数为抓取件最大旋转角度的正负极值；待抓取物的重心点横纵坐标；待抓取物的宽度正负极值；待抓取物的高度正负极值的至少一组或多组。

4.根据权利要求2所述的类别判定方法，其特征在于，对待抓取图像进行标注的步骤，包括：

采用重心旋转搜索法，搜索抓取件抓取待抓取物的最大抓力；

判断最大抓力是否大于设定阈值；

若是，则将待抓取物标注为规则件；若否，则将待抓取物标注为不规则件。

5.根据权利要求4所述的类别判定方法，其特征在于，对待抓取图像进行标注的步骤，可表示为：

其中，i表示吸盘中的第i个磁块，i取1至N，N为吸盘的磁块总数，S_r表示第i个磁块与零件的贴合面积，S_i表示第i个磁块的磁块面积，I_i表示第i个磁块的指示函数；F_i表示第i个磁块的额定吸力，G表示待抓取物的重力，β表示吸力与零件重力的最大比值的设定阈值。

6.根据权利要求1-5任意一项所述的类别判定方法，其特征在于，类别判断模型，包括：

输入层，用于输入抓取件图像、待抓取物图像以及两个图像的重合面积最大化问题相关参数；

特征提取层，用于提取输入层输入内容的特征；

全连接层，用于融合特征提取层中各层的特征，得到分类结果；

输出层，用于输出分类结果为规则件或不规则件。

7.根据权利要求6所述的类别判定方法，其特征在于，输入层，包括：

第一通道，用于输入抓取件图像；

第二通道，用于输入待抓取物图像；

第三通道，用于输入抓取件图像和待抓取物图像的重合面积最大化问题相关参数；

合成通道，用于合成抓取件图像和待抓取物图像。

8.一种抓取位姿定位方法，其特征在于，包括：

T1：根据权利要求1-7任意一项所述的类别判定方法，判定当前待抓取物为规则件或不规则件；

T2：若是规则件，则采用旋转搜索法，定位当前待抓取物的抓取位姿；

T3：若是不规则件，则采用基于种群的概率搜索法，定位当前待抓取物的抓取位姿。

9.一种计算机存储介质，其特征在于，存储有可执行程序代码；所述可执行程序代码，用于执行权利要求1-7任意一项所述的类别判定方法或权利要求8所述的抓取位姿定位方法。

10.一种终端设备，其特征在于，包括存储器和处理器；所述存储器存储有可被处理器执行的程序代码；所述程序代码用于执行权利要求1-7任意一项所述的类别判定方法或权利要求8所述的抓取位姿定位方法。