CN111798518B 机械臂姿态检测方法、装置和设备及计算机存储介质 （腾讯科技（深圳）有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN111798518B(45)授权公告日2025.07.15

(21)申请号202010691783.8

(22)申请日2020.07.17

(65)同一申请的已公布的文献号申请公布号CN111798518A

(43)申请公布日2020.10.20

(56)对比文件

CN109109018A,2019.01.01CN110561399A,2019.12.13审查员杨霜雪

(73)专利权人腾讯科技(深圳)有限公司

地址518044广东省深圳市南山区高新区

科技中一路腾讯大厦35层

(72)发明人刘旭杨鑫

(74)专利代理机构北京同达信恒知识产权代理有限公司11291

专利代理师李娟

(51)Int.CI.

GO6T7/73(2017.01)

GO6T7/00(2017.01)权利要求书3页说明书17页附图9页

(54)发明名称

机械臂姿态检测方法、装置和设备及计算机存储介质

(57)摘要

CN111798518B本申请公开了一种机械臂姿态检测方法、装置和设备及计算机存储介质，涉及计算机技术领域，在该方法中，通过获取包含至少一个机械臂的待检测图片，并获取所述待检测图片中所述至少一个机械臂包括的各关节的关节特征数据和各连接臂的连接臂特征数据；根据各关节的关节特征数据与各连接臂的连接臂特征数据进行姿态组合，以确定所述至少一个机械臂的姿态；分别根据所述至少一个机械臂中各机械臂的姿态对各机械臂进行姿态异常检测，得到各机械臂的姿态检测结果，所述姿态检测结果指示机械臂的姿态是否异常，从而实现机械臂的姿态状况的监

CN111798518B

1301

1301

获取包含至少一个机械臂的待检测图片

获取待检测图片中至少一个机械臂包括的各关节的关节特征数据和各连接臂的连接臂特征数据

1303

根据各关节的关节特征数据与各连接臂的连接臂特征数据进行姿态组合，以确定至少一个机械臂的姿态

1304

分别根据至少一个机械臂中各机械臂的姿态对各机械臂进行姿态异常检测，得到各机械臂的姿态检测结果

1302

CN111798518B权利要求书1/3页

2

1.一种机械臂姿态检测方法，其特征在于，所述方法包括：

获取包含至少一个机械臂的待检测图片；

对所述待检测图片进行关节识别，得到所述待检测图片中所述至少一个机械臂包括的各关节的关节特征数据；所述关节特征数据包括对应于J个部位的关节的J个关节特征图，每一关节特征图用于表征所述待检测图片中各像素点为关节像素点的概率；

对所述待检测图片进行连接臂识别，得到所述至少一个机械臂包括的各连接臂的连接臂特征数据，所述连接臂特征数据包括对应于C个部位的连接臂的C个连接臂特征图，每一个连接臂特征图由所述待检测图片中各像素点的向量构成，每一向量场中非零向量表征所述非零向量对应像素点为连接臂像素点；

根据各关节的关节特征数据与各连接臂的连接臂特征数据进行姿态组合，以确定所述至少一个机械臂的姿态；

分别根据所述至少一个机械臂中各机械臂的姿态对各机械臂进行姿态异常检测，得到各机械臂的姿态检测结果，所述姿态检测结果指示机械臂的姿态是否异常。

2.如权利要求1所述的方法，其特征在于，对所述待检测图片进行关节识别，得到所述待检测图片中所述至少一个机械臂包括的各关节的关节特征数据，包括：

利用已训练的关节识别模型，对所述待检测图片进行关节识别，得到所述关节特征数

据；

其中，所述关节识别模型是利用多个图片训练样本进行训练得到的，每一图片训练样本标注了所述图片训练样本中各关节所在区域。

3.如权利要求2所述的方法，其特征在于，所述利用已训练的关节识别模型，对所述待检测图片进行关节识别，得到所述关节特征数据，包括：

对所述待检测图片进行特征提取，得到所述待检测图片的初始关节特征；

根据所述初始关节特征，分别确定所述待检测图片上每一像素点为各部位的关节的关节像素点的概率，以得到所述关节特征数据。

4.如权利要求1所述的方法，其特征在于，对所述待检测图片进行连接臂识别，得到所述至少一个机械臂包括的各连接臂的连接臂特征数据，包括：

利用已训练的连接臂识别模型，对所述待检测图片进行