买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津新松机器人自动化有限公司;中国科学院沈阳自动化研究所申请的专利一种面向遮挡、杂乱场景下的机器人抓取检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114882109B 。

龙图腾网通过国家知识产权局官网在2026-02-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210454190.9，技术领域涉及：G06T7/73；该发明授权一种面向遮挡、杂乱场景下的机器人抓取检测方法及系统是由李朋超;徐方;王金涛;郭海冰;朱维金;刘瑶琦设计研发完成，并于2022-04-27向国家知识产权局提交的专利申请。

本一种面向遮挡、杂乱场景下的机器人抓取检测方法及系统在说明书摘要公布了：本发明属于机器视觉、机器人应用、人工智能领域，具体说是一种面向遮挡、杂乱场景下的机器人抓取检测方法及系统，包括以下步骤：采集目标场景下目标工件不同位姿下彩色图及深度图；对彩色图训练获取检测训练模型；并制作点云模板库；采集各个目标工件的彩色图及深度图，并将彩色图输入至检测训练模型中，得到彩色图中各个目标工件的位置和类别；并获取各个目标工件被采集到的表面点云；同时与工件点云模板库进行点云配准，获取各个目标工件的当前位姿；根据工件点云模板库结合深度相机外参及获取的各个目标工件的当前位姿，采用无序抓取策略抓取。本发明在给神经网络输入的训练集足够多的情况下，深度学习网络识别算法具有较高的准确率。

本发明授权一种面向遮挡、杂乱场景下的机器人抓取检测方法及系统在权利要求书中公布了：1.一种面向遮挡、杂乱场景下的机器人抓取检测方法，其特征在于，包括以下步骤： 1对于每个目标工件：通过深度相机对目标工件进行拍照，采集目标场景下目标工件不同位姿下彩色图以及与彩色图对应的深度图； 2对彩色图进行训练处理，获取检测训练模型H；并制作目标工件的点云模板库； 2-1对每个目标工件的彩色图进行标注，标注出目标工件的轮廓信息及工件类别，生成掩模图； 2-2将掩模图中工件类别发送至工件点云模板库； 2-3根据掩模图中的轮廓信息，获取每个彩色图中目标工件所占据的像素位置，并生成数据集，将彩色图中包含目标工件所占据像素位置的数据集进行数据集增强处理，扩充数据集； 2-4将扩充后的数据集输入至深度神经网络进行训练，得到检测训练模型H； 2-5根据每个目标工件的深度图的工件三维结构，通过三位绘图软件制作工件点云模板库； 3通过深度相机采集目标场景下包含各个目标工件的彩色图以及与彩色图对应的深度图，并将目标工件彩色图输入至检测训练模型H中，得到彩色图中各个目标工件的位置和类别； 4根据目标工件的彩色图的位置对应到深度图上，利用相机内参，得到各个目标工件被采集到的表面点云Oi，其中，i表示i个目标工件； 5将各个目标工件被采集到的表面点云Oi与工件点云模板库进行点云配准，获取各个检测目标工件的当前位姿Si； 6根据工件点云模板库结合深度相机外参以及获取的各个检测目标工件的当前位姿Si，采用无序抓取策略抓取实现目标工件的抓取； 所述采用无序抓取策略抓取实现目标工件的抓取，包括以下步骤： 6-1计算各个目标工件在此位姿Si时，在相机下的表面点云及其无遮挡时的物体点云：结合工件点云模板库、相机外参以及实际工件当前位姿Si，通过相机仿真渲染，得到此相机视角下目标工件在位姿Si情况下未遮挡的单视角点云Ti； 6-2依次获取各个目标工件无遮挡下的单视角点云Ti的表面积SATi，同时依次获取实际场景下的各个目标工件点云Oi的表面SAOi；其中，i表示第i个目标工件； 2将获取的实际场景下各个目标工件的点云Oi的表面积SAOi、和其无遮挡下的单视角点云Ti的表面积SATi一一对应，获取目标工件未被遮盖率，即： 其中，i表示第i个目标工件，SAIOUi为实际场景中工件的点云表面积与模板库中该工件完整的点云表面积之比，即目标工件未被遮盖率； 3比较对所有目标工件的未被遮盖率SAIOUi，设置遮挡是否影响抓取的指标的阈值σ，其中，σ的值根据实际情况设定； 4SAIOUi大于σ则满足抓取要求，σ范围为0到1，越接近1表示被遮挡表面越小，反之视为被遮挡； 5在所有满足SAIOUi大于σ的目标工件中，比较各个目标工件的质心，优先抓取质心位置最高的目标工件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津新松机器人自动化有限公司;中国科学院沈阳自动化研究所，其通讯地址为：300000 天津市滨海新区空港经济区纬七道60号-研发车间1楼C区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。