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！

龙图腾网获悉北京化工大学申请的专利一种应用于服务型移动机械臂的分步式抓取检测方法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：CN115019202B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210589187.8，技术领域涉及：G06V20/17；该发明授权一种应用于服务型移动机械臂的分步式抓取检测方法是由陈国华;庚子超设计研发完成，并于2022-05-26向国家知识产权局提交的专利申请。

本一种应用于服务型移动机械臂的分步式抓取检测方法在说明书摘要公布了：随着深度学习的发展，移动机械臂的抓取检测在工业自动化与家用生活领域得到了广泛的发展和应用。当前的抓取检测方法大多针对单一目标，对于实际应用中多模态目标的抓取成功率较难保证。针对此类问题，本发明将目标识别算法Yolov5和全卷积抓取检测算法GDFCN进行了结合与改进，提出一种应用于服务型移动机械臂的分步式抓取检测方法。为克服单一抓取检测不能区分固有和可操作物体的缺陷，首先执行目标检测，其次将识别框映射下的局部深度图像输入抓取检测网络，将可行的机器人抓取检测表示为菱形抓取，形成一种新的分步式级联抓取算法。经过实验，此发明方法在满足实时性的要求下，可以有效的完成物体分类任务，并增强了抓取检测的稳定性和准确度。

本发明授权一种应用于服务型移动机械臂的分步式抓取检测方法在权利要求书中公布了：1.一种应用于服务型移动机械臂的分步式抓取检测方法,整体方法包含以下步骤：步骤S1：根据无人化生物检测实验室中的具体仪器配置，分别构建目标检测和抓取检测的数据集；其中，目标检测的数据集由彩色图像构成，抓取检测的数据集则由深度图像构成；步骤S2，构建抓取检测神经网络，设计的全卷积抓取检测算法以单张物体深度图像作为神经网络输入，用于在深度图像上实时生成像素级的抓取位姿；步骤S3，利用优化过后的Yolov5s目标检测算法分析预处理过后的RGB图像，识别待抓取物体并完成分类的同时排除场景内的不应该被操作的固有物体，输出边界框信息；步骤S4，利用边界框的映射将目标识别算法和全卷积抓取检测算法进行结合与改进，提出一种适用于无训练场景下陌生物体的机械臂实时抓取检测算法；所述步骤S1具体为：S1-1，通过利用Python脚本在各类搜索引擎图片库中获取目标图像以及基于无人化生物实验室真实场景进行人工拍摄两种方法，采集目标物体的数据集图像；S1-2，根据人类的抓取经验在数据集待抓取目标上标注可以抓取的区域，在这个区域内所有的点包含相同的抓取角度和宽度，每个抓点都对应一种菱形抓取表示，此外增加了抓取置信度表示来执行抓取的概率；S1-3，针对无人化生物检测实验室下的实验器材进行拍摄，将实验器材预定义共分为20个类别；采用LabelImg完成标注工作，对于数据集进行Yolo格式的标注；所述步骤S2具体为：S2-1，通过三维传感器采集视野内的深度图像，进行填充修复，保证物体深度信息的可应用性；S2-2，将进行修复处理和裁剪缩放之后的深度图像输入到GDFCN神经网络模型之中，同时使用高斯滤波器对抓取置信度进行过滤处理，全卷积神经网络整体采用3个上采样卷积核和3个下采样卷积核跳级连接的模式，卷积核的大小相互对应；S2-3，通过GDFCN对深度图像的评估，产生动态抓取效果热力图graspmap，将最佳抓取点在ROS系统下以Topic的形式进行发布；所述步骤S3具体为：S3-1，为了使得移动机械臂抓取系统实时性能好，可以满足动态抓取的特点，尝试多种的识别检测算法，通过准确度和处理帧率的比较，选出适合应用的最优算法Yolov5s；S3-2，利用深度相机完成对场景内物体信息的实时采集，为了避免场景内噪声的干扰，使用相应的滤波算法完成预处理工作，进而进行缩放剪裁处理，满足Yolov5s目标检测算法的输入要求；S3-3，利用目标检测算法完成场景内目标物体的识别与分类，同时移除场景内无法移除的固有物体；所述步骤S4具体为：S4-1，利用深度相机完成对场景内物体视觉信息的实时采集，为了避免场景内噪声的干扰，完成预处理，进而进行缩放剪裁处理，满足Yolov5s目标检测算法的输入要求；S4-2，利用优化过后的Yolov5s目标检测算法分析预处理过后的RGB图像，识别待抓取物体的同时排除场景内的不应该被机器人操作的固有物体，生成边界框端点的坐标信息；S4-3，通过ROS控制系统下的service模块选择待抓取目标的种类，如果没有出现待抓取目标，则直接对整张深度图像完成抓取检测，选择置信度最高的抓取点，执行抓取任务，完成对其余物体的去除工作；S4-4，利用目标检测的结果将边界框的位置信息映射到深度图像之上，利用映射的复选框为深度图像重新建立约束，通过目标检测标签，将目标对象标记为正确边界框，生成过滤后的局部深度图像；S4-5，对局部深度图像进行填充，将过滤后的局部深度图像的尺寸统一为256×256像素，进而输入到训练后的网络之中，在局部深度图像上迅速产生像素级的抓取位姿预测，包括抓取置信度，抓取点的像素坐标，夹持器旋转角度和抓取宽度；S4-6，在ROS系统中以Topic的形式输出该点的位置信息，以及对应的抓取角度和宽度，作为图像空间下的最佳抓取位姿，用于后续机械臂抓取任务。

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北京化工大学，其通讯地址为：100029 北京市朝阳区北三环东路15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”。