机器人的抓取姿态选取方法、装置、设备、存储介质及程序产品与流程

本技术涉及机器人抓取，特别是涉及一种机器人的抓取姿态选取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术：

1、随着科技的不断发展，机器人抓取技术也在逐步迭代之中，通过选择最优的抓取姿态，能够使得机器人在复杂环境中实现高精度抓取作业，而在机器人执行抓取任务时，如何在动态环境中快速且准确地评估目标物体的抓取姿态，确保抓取的稳定性和避免碰撞，是一个亟待解决的问题。

2、目前，机器人在选取抓取姿态的过程中，通常依赖于深度相机或rgb图像进行物体检测，但是，由于动态环境中物体的位置、形状和姿态都不固定，直接抓取会导致抓取姿态存在较大的误差，所以，当前机器人的抓取姿态选取准确性差。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种提升机器人的抓取姿态选取准确性的机器人的抓取姿态选取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种机器人的抓取姿态选取方法，所述方法包括：

3、获取所述机器人在执行抓取任务时的场景点云数据和实时场景图像；

4、基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据；

5、将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值；

6、根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态。

7、在其中一个实施例中，所述基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据，包括：

8、根据所述实时场景图像，生成目标对象所在区域的掩码图；

9、对所述掩码图进行反投影操作，将所述目标对象所在区域对应的像素点转换为所述目标对象点云数据；

10、基于所述掩码图对所述场景点云数据进行过滤，剔除非目标对象所在区域对应的点云数据，得到所述环境点云数据。

11、在其中一个实施例中，所述将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值，包括：

12、对所述机器人进行抓取姿态采样，得到所述机器人的多个候选抓取姿态；

13、根据所述目标对象点云数据，生成所述机器人的每一候选抓取姿态对应的抓取姿态目标点云数据；

14、根据所述抓取姿态目标点云数据和所述环境点云数据，确定所述机器人在每一所述候选抓取姿态下的碰撞概率预测值。

15、在其中一个实施例中，所述根据所述目标对象点云数据，生成所述机器人的每一候选抓取姿态对应的抓取姿态目标点云数据，包括：

16、根据各候选抓取姿态对应的旋转矩阵，对所述目标对象点云数据中的各三维点进行旋转变换，得到旋转后的目标对象点云数据；

17、根据各所述候选抓取姿态对应的平移向量，对所述旋转后的目标对象点云数据进行平移变换，得到各候选抓取姿态对应的抓取姿态目标点云数据。

18、在其中一个实施例中，所述根据所述抓取姿态目标点云数据和所述环境点云数据，确定所述机器人在每一所述候选抓取姿态下的碰撞概率预测值，包括：

19、计算所述抓取姿态目标点云数据与所述环境点云数据之间的点云最小距离；

20、根据所述点云最小距离与预设碰撞阈值的比对结果，确定对应的候选抓取姿态的碰撞风险值；

21、将所述碰撞风险值映射为对应的候选抓取姿态的碰撞概率预测值。

22、在其中一个实施例中，所述根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态，包括：

23、将各所述候选抓取姿态对应的碰撞概率预测值转换为稳定性概率值，以及获取各所述候选抓取姿态对应的抓取质量分值；

24、将各候选抓取姿态的稳定性概率值和对应的抓取质量分值进行加权融合，得到各所述候选抓取姿态的综合质量评分值；

25、根据所有综合质量评分值，从所述所有候选抓取姿态中确定所述机器人的目标抓取姿态。

26、第二方面，本技术还提供了一种机器人的抓取姿态选取装置，包括：

27、获取模块，用于获取所述机器人在执行抓取任务时的场景点云数据和实时场景图像；

28、分割模块，用于基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据；

29、预测模块，用于将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值；

30、确定模块，用于根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态。

31、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

32、获取所述机器人在执行抓取任务时的场景点云数据和实时场景图像；基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据；将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值；根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态。

33、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

34、获取所述机器人在执行抓取任务时的场景点云数据和实时场景图像；基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据；将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值；根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态。

35、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

36、获取所述机器人在执行抓取任务时的场景点云数据和实时场景图像；基于所述实时场景图像对所述场景点云数据进行分割，得到环境点云数据和目标对象点云数据；将所述目标对象点云数据和所述环境点云数据共同输入至预设碰撞概率预测模型，通过所述预设碰撞概率预测模型对所述机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到所述机器人在每一所述候选抓取姿态下的碰撞概率预测值；根据所有碰撞概率预测值，从所有候选抓取姿态中确定所述机器人的目标抓取姿态。

37、上述机器人的抓取姿态选取方法、装置、计算机设备、计算机可读存储介质和计算机程序产品，首先会获取机器人在执行抓取任务时的场景点云数据和实时场景图像；进而基于实时场景图像对场景点云数据进行分割，从而得到环境点云数据和目标对象点云数据；并将目标对象点云数据和环境点云数据共同输入至预设碰撞概率预测模型，通过预设碰撞概率预测模型对机器人在每一候选抓取姿态下的环境碰撞风险进行预测，得到机器人在每一候选抓取姿态下的碰撞概率预测值；最终根据所有碰撞概率预测值，从所有候选抓取姿态中确定机器人的目标抓取姿态，即，在机器人执行抓取任务的过程中精准地识别了目标物体和周边环境结构，进一步地，还能够借助预设碰撞概率预测模型自动生成各候选抓取姿态对应的碰撞风险量化结果，从而实现了在完成场景点云分割处理后，自动沿碰撞风险评估流程完成机器人最优抓取姿态选取的目的，既能够适用于不同的复杂抓取场景，又能够自主完成碰撞风险评估和姿态优选，所以，克服了由于传统抓取姿态选取仅依赖纯三维点云进行分割，导致目标与背景区分精度不足、易出现误分割，与此同时，姿态筛选仅以单一碰撞指标作为判断依据，进而使得易出现选取姿态难以平衡安全性与抓取成功率、无法匹配实际作业需求的情况的技术缺陷，所以，提升了机器人的抓取姿态选取准确性。