-
公开(公告)号:CN115147342B
公开(公告)日:2025-02-14
申请号:CN202111518629.1
申请日:2021-12-13
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/762
Abstract: 本发明提供一种视觉关系检测方法、电子设备、存储介质和程序产品,该视觉关系检测方法包括:确定待检测图像,将待检测图像输入至视觉关系检测模型,获得视觉关系检测模型输出的视觉关系检测结果;其中,视觉关系检测模型是基于包括可见类和不可见类的图像训练集训练得到的,可见类为标注有视觉关系标签的图像,不可见类为未标注有视觉关系标签的图像。本发明可以预先学习可见类和不可见类对应的视觉关系,从而实现对包含不可见类的图像进行准确检测,最终实现零样本的视觉关系检测。
-
公开(公告)号:CN115147342A
公开(公告)日:2022-10-04
申请号:CN202111518629.1
申请日:2021-12-13
Applicant: 中国科学院自动化研究所 , 中国长峰机电技术研究设计院
IPC: G06T7/00 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/762
Abstract: 本发明提供一种视觉关系检测方法、电子设备、存储介质和程序产品,该视觉关系检测方法包括:确定待检测图像,将待检测图像输入至视觉关系检测模型,获得视觉关系检测模型输出的视觉关系检测结果;其中,视觉关系检测模型是基于包括可见类和不可见类的图像训练集训练得到的,可见类为标注有视觉关系标签的图像,不可见类为未标注有视觉关系标签的图像。本发明可以预先学习可见类和不可见类对应的视觉关系,从而实现对包含不可见类的图像进行准确检测,最终实现零样本的视觉关系检测。
-
公开(公告)号:CN114952836A
公开(公告)日:2022-08-30
申请号:CN202210558127.X
申请日:2022-05-19
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明提供一种多指手机器人抓取方法、装置与机器人系统,首先获取待抓取对象的目标场景点云数据;然后对目标场景点云数据进行特征提取,得到目标场景点云数据的几何结构特征,并基于几何结构特征,确定待抓取对象对应的目标抓取配置;该目标抓取配置包括各抓取模态下所述目标场景点云数据中的可抓取点、多指手在可抓取点的腕部抓取位姿以及夹爪关节角度;最后根据目标抓取配置,控制多指手对待抓取对象进行抓取。该方法不依赖于待抓取对象的模型,即使对于未知模型的待抓取对象也可以进行抓取,且计算复杂度较低,大大的提高了抓取效率以及准确性。而且,该方法可以应用于杂乱场景,提高了抓取方法的应用范围。
-
公开(公告)号:CN114029941A
公开(公告)日:2022-02-11
申请号:CN202111107739.9
申请日:2021-09-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种机器人抓取方法、装置、电子设备及计算机介质,包括:采集抓取对象所在场景的点云数据;将点云数据输入抓取检测模型中得到检测结果;根据检测结果得到抓取配置方案,并控制机器人按照抓取配置方案抓取抓取对象;其中,抓取检测模型基于样本场景的样本点云数据,以及样本点云数据中各样本点的样本抓取配置标签、实例语义分割标签和碰撞检测标签训练得到。该方法用以解决现有技术中无法学习实例级抓取配置和抓取方案实时性差的缺陷,通过将抓取对象的点云数据输入基于样本场景的样本点云数据,以及样本点云数据中各样本点的样本抓取配置标签、实例语义分割标签和碰撞检测标签训练得到的抓取检测模型中,得到准确灵活的抓取方案。
-
公开(公告)号:CN114029941B
公开(公告)日:2023-04-07
申请号:CN202111107739.9
申请日:2021-09-22
Applicant: 中国科学院自动化研究所
IPC: B25J9/16 , G06F18/241 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种机器人抓取方法、装置、电子设备及计算机介质,包括:采集抓取对象所在场景的点云数据;将点云数据输入抓取检测模型中得到检测结果;根据检测结果得到抓取配置方案,并控制机器人按照抓取配置方案抓取抓取对象;其中,抓取检测模型基于样本场景的样本点云数据,以及样本点云数据中各样本点的样本抓取配置标签、实例语义分割标签和碰撞检测标签训练得到。该方法用以解决现有技术中无法学习实例级抓取配置和抓取方案实时性差的缺陷,通过将抓取对象的点云数据输入基于样本场景的样本点云数据,以及样本点云数据中各样本点的样本抓取配置标签、实例语义分割标签和碰撞检测标签训练得到的抓取检测模型中,得到准确灵活的抓取方案。
-
-
-
-