公开(公告)号：CN111913435B

公开(公告)日：2021-10-22

申请号：CN202010751643.5

申请日：2020-07-30

申请人： 浙江科技学院

发明人： 周乐 ,  戴世请 ,  曾银雪 ,  侯北平 ,  刘薇 ,  张淼

IPC分类号： G05B19/19

摘要： 本发明公开了一种基于堆积沙漏网络的单/多目标关键点定位方法，包括：(1)采集训练样本集；(2)生成训练样本集对应的热度图标签数据集；(3)利用训练样本集以及对应热度图标签数据集构建堆积沙漏残差网络模型；(4)获取待定位单/多控制目标的原始图像，输入至训练得到的堆积沙漏残差网络模型，获得单/多待定位控制目标的关键点坐标；(5)实现对单/多控制目标的定位和抓取。方法对机器人控制目标特征提取既可以充分利用物体特征信息，又充分考虑到外界干扰的影响，同时避免了普通深度神经网络对位置，姿态信息难以标定的问题，从而对机器人控制目标姿态检测技术实现了提升。

公开(公告)号：CN111913435A

公开(公告)日：2020-11-10

申请号：CN202010751643.5

申请日：2020-07-30

申请人： 浙江科技学院

发明人： 周乐 ,  戴世请 ,  曾银雪 ,  侯北平 ,  刘薇 ,  张淼

IPC分类号： G05B19/19

摘要： 本发明公开了一种基于堆积沙漏网络的单/多目标关键点定位方法，包括：(1)采集训练样本集；(2)生成训练样本集对应的热度图标签数据集；(3)利用训练样本集以及对应热度图标签数据集构建堆积沙漏残差网络模型；(4)获取待定位单/多控制目标的原始图像，输入至训练得到的堆积沙漏残差网络模型，获得单/多待定位控制目标的关键点坐标；(5)实现对单/多控制目标的定位和抓取。方法对机器人控制目标特征提取既可以充分利用物体特征信息，又充分考虑到外界干扰的影响，同时避免了普通深度神经网络对位置，姿态信息难以标定的问题，从而对机器人控制目标姿态检测技术实现了提升。