CN119795178A 一种机器人3d视觉导引抓取方法 （侯亚奇）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119795178A

(43)申请公布日2025.04.11

(21)申请号202510136205.0

(22)申请日2025.02.07

(71)申请人侯亚奇

地址215323江苏省苏州市昆山市张浦镇

心泊兰花苑5幢10楼1002室

(72)发明人侯亚奇

(74)专利代理机构泉州晋江图曲知识产权代理

事务所(普通合伙)35354

专利代理师郭思惠

(51)Int.Cl.

B25J9/16(2006.01)

权利要求书2页说明书5页附图1页

(54)发明名称

一种机器人3D视觉导引抓取方法

(57)摘要

本发明公开了一种机器人3D视觉导引抓取

方法，属于机器人应用领域，使用高分辨率的3D

视觉传感器对工作环境进行全面扫描，获取场景

的点云数据；运用深度学习算法对处理后的点云

数据进行物体识别；训练一个能够识别目标物体

的模型，所述模型可以区分不同类型、形状、颜色

和纹理的物体，通过高分辨率3D视觉传感器全方

位扫描获取点云数据，并进行专业预处理，能精

确感知工作环境。深度学习算法结合多种分割方

法，可在复杂背景和遮挡下准确识别与分割物

体，同时利用特定算法创建物体和环境的几何模

型，形成全面环境地图，为后续操作提供精确基

A础，综合考虑物体特性、手爪能力及多种抓取策

8略。

7

1

5

9

7

9

1

1

N

C

CN119795178A权利要求书1/2页

1.一种机器人3D视觉导引抓取方法，其特征在于，包括如下步骤：S1、环境采集与建模

A、数据采集：

使用高分辨率的3D视觉传感器对工作环境进行全面扫描，获取场景的点云数据；

对采集到的点云数据进行预处理，包括去除噪声、填补空洞和数据平滑处理，以提高数

据质量；采用统计滤波算法去除孤立噪声点，通过移动最小二乘法进行平滑处理；

B、物体识别与分割：

运用深度学习算法对处理后的点云数据进行物体识别；训练一个能够识别目标物体的

模型，所述模型可以区分不同类型、形状、颜色和纹理的物体，包括在复杂背景和遮挡情况

下；

根据识别结果，对不同的物体进行分割，将每个物体的点云数据从场景中分离出来；使

用基于区域生长、聚类算法、深度学习分割算法实现精确的物体分割；

C、环境建模：

为分割出的每个物体创建三维几何模型，可使用凸包算法或基于几何原语的拟合方法

将物体的点云转化为更简洁的几何表示；

同时，考虑场景中的障碍物和支撑表面，对环境中的工作台、货架、其他设备等建立相

应的几何模型，形成一个完整的环境地图，其中包括物体的位置、姿态和尺寸信息，以及障

碍物的位置和范围信息；

S2、路径规划与优化

A、抓取点选择：

对于每个识别出的目标物体，根据其几何模型和物理特性，结合机器人的手爪形状和

抓取能力，计算多个可能的抓取点；使用抓取质量评估指标对这些抓取点进行评估；

采用多模态抓取策略，考虑不同的抓取姿态和手爪配置，包括平行抓取、包围抓取、指

尖抓取，以应对不同形状和表面特征的物体；

引入基于机器学习的方法，通过大量的模拟数据和部分实际抓取数据训练一个抓取点

预测模型，使机器人能够根据物体的形状、纹理和环境信息自动选择最优抓取点；

B、路径规划：

基于机器人的运动学和动力学模型，使用路径规划算法为机器人从当前位置到目标抓

取点规划一条无碰撞的路径；

考虑环境中的动态障碍物，在规划路径时结合预测的障碍物运动轨迹，生成一条具有

时间弹性的路径，确保机器人在运动过程中能够避免与动态障碍物发生