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！

龙图腾网获悉同济大学申请的专利基于单视角视觉与演示优化的灵巧手通用抓取方法和装置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：CN120816500B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511324168.2，技术领域涉及：B25J9/16；该发明授权基于单视角视觉与演示优化的灵巧手通用抓取方法和装置是由宋辞;赵霞设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本基于单视角视觉与演示优化的灵巧手通用抓取方法和装置在说明书摘要公布了：本发明公开了一种基于单视角视觉与演示优化的灵巧手通用抓取方法和装置，涉及灵巧手抓取和人工智能领域。该方法首先搭建真机场景和遥操作设备，收集多尺寸、形状物体的专家数据。结合收集到的专家数据，基于对DAPG算法改进后的算法，在仿真环境中结合域随机化操作学习跨物体形状基元的通用抓取策略。通过第一视角视觉信息实时分析未知物体的几何特征，生成初始抓取轨迹，并融合力触觉传感器的动态反馈调整抓取力度与姿态，进行高泛化性和高可靠性的抓取。本发明解决了传统方法依赖大量真实专家数据、需要大量物体模型训练、策略泛化性差、仿真迁移稳定性不足的问题。

本发明授权基于单视角视觉与演示优化的灵巧手通用抓取方法和装置在权利要求书中公布了：1.一种基于单视角视觉与演示优化的灵巧手通用抓取方法，其特征在于，包括： S110，构建一种通用形状基元抓取策略学习方法，其输入是形状基元信息，输出是对其形状基元的抓取轨迹； S120，构建一种单视角未知物体视觉信息处理模块，针对未知复杂物体获取其RGB-D信息，对RGB-D信息由单视角未知物体视觉信息处理模块进行处理，得到形状基元组合，以及各形状基元的信息，作为输入传入S110所构建的通用形状基元抓取策略集中； S130，对抓取部位进行判别，应用S120中得到的各形状基元的抓取轨迹抓取物体的对应部位，通过比较抓取成功率来选取最优抓取部位； S140，执行真机抓取，通过S130中评估得到的最优抓取部位及其抓取轨迹，结合指关节的力反馈执行真机抓取； S110包括： S110-1，构建任务参数空间：将每个待抓取的形状基元建模作为任务，任务参数为三元组，其中，表示一个物体任务实例： 所述表示形状基元的类别标签，表示该形状基元属于何种几何类目，属于离散集合； 所述表示尺寸参数向量，每个表示第个物体在第个维度的尺寸信息； 所述表示物体的六维空间位姿，其中表示形状基元的空间位置向量，，其空间坐标轴是，，，为形状基元的旋转角度，分别绕，，轴旋转，单位为弧度或度； 所有任务实例构成任务参数空间： ； S110-2，收集专家数据集，在所述任务参数空间中选取多个任务实例，通过遥操作系统生成对应的状态-动作对，构成专家示范数据集； S110-3，预策略学习，基于所述专家示范数据集训练策略网络进行模仿学习，以最小化预测动作与专家动作的行为克隆损失，得到初始策略参数； S110-4，域随机化：从S110-1中构建的任务参数空间中进行域随机化采样，对任务参数中涉及到的参数，形状类别c、尺寸参数和位姿参数进行扰动采样，生成任务参数实例； S110-5，奖励重塑：强化学习阶段引入奖励重塑机制，所述奖励包括抓取稳定性、目标位置误差惩罚； S110-6，强化学习：利用所述策略网络在经过域随机化后的任务实例上与环境交互，并引入奖励重塑机制，通过强化学习算法对策略参数进行优化； S120中单视角未知物体视觉信息处理，包括： S120-1，获取陌生未知物体RGB-D信息，使用预先通过Halcon标定方法获得的相机内参，进行图像坐标到相机坐标系的转换准备，通过深度相机获取桌面上物体的RGB-D信息； S120-2，获取点云信息，采用图像-深度融合处理方法，将每个深度像素映射为三维点，并附带对应的颜色信息，重建出场景中物体的稠密点云； S120-3，分割物体，将S120-2中获得的陌生未知物体的点云用RANSAC、SAM图像处理方法进行处理，分割为较为m个简单的部分，其中，第个部分的点云信息是； S120-4，拟合成形状基元，通过对分割后简单部分的点云信息用RANSAC方法进行拟合，获取拟合后的形状基元的状态信息，其中，是拟合后的第个形状基元的状态信息，是第个形状基元的形状类别，为第个形状基元的尺寸信息，第个形状基元的位姿信息； S120-5：获得形状基元组合，将拟合后的第个形状基元按照其状态信息在仿真环境下放置，拟合后的m个形状基元依次放置并组合，获得形状基元组合； S130中抓取部位判别，包括： S130-1，获取各形状基元抓取策略，将形状基元组合中各形状基元的状态信息作为输入，通过S110-6中获得的通用形状基元抓取策略，形成各部分的形状基元抓取策略; S130-2，仿真环境下抓取，形状基元抓取策略针对每个形状基元在仿真环境下进行n次抓取，形成n条抓取轨迹，为对形状基元生成的第条抓取轨迹，设共有条成功，每个部分的抓取成功率为： ， 其中，为针对每个形状基元抓取的次数，为针对形状基元抓取次形状基元中的成功次数； S130-3，比较各部位抓取成功率,每个部分的抓取成功率为,比较抓取成功率，选择抓取成功率最高的部位为抓取部位，公式为： ， 为形状基元组合中抓取成功率最高的形状基元； S130-4，选取抓取最优部位，设为形状基元组合中第k个形状基元，选取物体的第k个部位作为拟抓取部位； S140中真机抓取，包括： S140-1，选取抓取轨迹，对于形状基元，我们选取S130-2中生成的成功抓取轨迹作为抓取物体的第k个部位的轨迹； S140-2，抓取轨迹迁移到真机，根据S140-1中生成的抓取轨迹在真机上进行抓取； S140-3，获取力反馈数据，灵巧手的关节或者指尖有力反馈传感器，实时获取力反馈数据，对应五根手指； S140-4，达到力阈值停止动作，满足以下条件停止动作： 且， 任意， 是指尖力阈值，为大拇指的力反馈，为剩下四指的力反馈； S140-5，完成抓取，通过集成于机械臂末端的单视角深度视觉系统，对目标物体位置进行实时观测与分析，从视觉角度判定抓取成功与否。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。