一种基于深度学习的机器人抓取透明物体的方法

摘要

本发明公开了一种基于深度学习的机器人抓取透明物体的方法，包括以下步骤：S1：完成机器人抓取透明物体系统的硬件环境搭建；S2：完成机器人抓取透明物体系统的相机校准；S3：完成基于卷积神经网络的抓取规划模型的训练，和机器人在真实环境下的抓取。S3具体实现方法包括：利用深度相机扫描抓取透明物体的彩色图像及深度图像；对采集的图像进行滤波；使用ClearGrasp深度学习算法完成透明物体检测与分割；使用接触线寻找法对物体进行抓取位置的搜索及评分，在得到最佳抓取位置后进行正确的抓取。本发明能通过RGB‑D摄像头准确预测高透明度物体的3D数据，通过反射光点来准确推算透明物体曲面法线，提高透明物体预测准确性。