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！

龙图腾网获悉广州大学申请的专利一种基于结构光三维机器视觉引导的抓取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：CN117001665B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310998459.4，技术领域涉及：B25J9/16；该发明授权一种基于结构光三维机器视觉引导的抓取方法及系统是由彭凌西;林锦辉;刘浩怀;唐春明;彭绍湖设计研发完成，并于2023-08-08向国家知识产权局提交的专利申请。

本一种基于结构光三维机器视觉引导的抓取方法及系统在说明书摘要公布了：本发明公开了基于结构光三维机器视觉引导的抓取方法及系统，方法包括：获取目标物体的目标点云；获取包含目标物体的工作场景的二维图像，进而根据二维图像的深度信息确定工作场景的三维点云；对三维点云和目标点云进行三维点对特征模板匹配，获得目标点云到三维点云的变换矩阵；基于变换矩阵确定目标物体的第一位姿信息，结合抓取设备的第二位姿信息，通过蒙特卡洛树搜索法确定抓取目标，进而执行抓取流程。本发明能够提升结构光三维机器视觉识别物体的速度，并提高抓取效率。本发明实施例能够高效引导物体抓取，可广泛应用于数据处理技术领域。

本发明授权一种基于结构光三维机器视觉引导的抓取方法及系统在权利要求书中公布了：1.一种基于结构光三维机器视觉引导的抓取方法，其特征在于，包括： 获取目标物体的目标点云； 获取包含所述目标物体的工作场景的二维图像，进而根据所述二维图像的深度信息确定所述工作场景的三维点云； 对所述三维点云和所述目标点云进行三维点对特征模板匹配，获得所述目标点云到所述三维点云的变换矩阵； 基于所述变换矩阵确定所述目标物体的第一位姿信息，结合抓取设备的第二位姿信息，通过蒙特卡洛树搜索法确定抓取目标，进而执行抓取流程； 其中，所述对所述三维点云和所述目标点云进行三维点对特征模板匹配，获得所述目标点云到所述三维点云的变换矩阵，包括： 基于点云中每个点与点云中其它点之间的相对位置和法向量之间的关系，确定点云中每个点的点对特征；其中，所述点对特征包括所述三维点云中每个点的第一点对特征和所述目标点云中每个点的第二点对特征； 对各个所述第一点对特征与各个所述第二点对特征进行向量配对，获得所述三维点云和所述目标点云各点之间的匹配得分； 根据所述目标点云中每个点与所述三维点云中所有点的所述匹配得分的总和，确定所述目标点云中每个点在所述三维点云中的目标匹配点，获得所述目标点云与所述三维点云的匹配点对； 基于所述匹配点对，构建旋转矩阵和平移向量； 对所述旋转矩阵和所述平移向量进行奇异值分解，并通过收敛迭代获得目标旋转矩阵和目标平移向量； 根据所述目标旋转矩阵和所述目标平移向量确定所述目标点云到所述三维点云的变换矩阵； 其中，基于点云中每个点与点云中其它点之间的相对位置和法向量之间的关系，确定点云中每个点的点对特征，包括： 基于三维点云中每个点与其它点之间的相对位置和法向量之间的关系，确定三维点云中每个点的第一点对特征； 基于目标点云中每个点与其它点之间的相对位置和法向量之间的关系，确定目标点云中每个点的第二点对特征； 其中，所述基于点云中每个点与点云中其它点之间的相对位置和法向量之间的关系，确定点云中每个点的点对特征，包括： 基于点云中点与点之间的相对位置，确定相对位置向量；并获取点的第一法向量和所述点的第二法向量；进而确定所述相对位置向量和所述第一法向量的第一夹角，并确定所述第一法向量和所述第二法向量的第二夹角； 根据所述相对位置向量、所述第一夹角和所述第二夹角，确定所述点和所述点的点对特征； 其中，所述点对特征的表达式为： 式中，表示点和点的点对特征，表示点和点的相对位置向量，表示第一夹角，表示第二夹角； 其中，对于三维点云和目标点云，分别计算它们中每个点的点对特征向量，然后将这些向量配对，计算它们的匹配得分；具体地，对于目标点云中的点的特征向量和三维点云中点的特征向量，点与点之间的匹配得分用以下的公式计算； 其中，表示点和之间的匹配得分。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230号；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。