(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210619169.X (22)申请日 2022.06.01 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 吴建华　赵光宝　朱向阳　熊振华　 盛鑫军　 (74)专利代理 机构 上海旭诚知识产权代理有限 公司 312 20 专利代理师 郑立 (51)Int.Cl. B25J 9/16(2006.01) (54)发明名称 一种多指欠驱动夹爪抓取 数据集生成方法 (57)摘要 本发明公开了一种多指欠驱动夹爪抓取数 据集生成方法， 涉及机器人抓取领域， 包括以下 步骤： 建立基于前向运动学的夹爪碰撞包围盒模 型， 利用矩阵计算和DH参数矩阵快速获取夹爪构 型， 并完成场景碰撞检测； 建立基于PyBullet的 抓取仿真场景， 采集抓取场景数据； 基于碰撞包 围盒模型和GWS抓取指标， 建立单物体抓取候选 模型， 该候选模 型还包括夹爪构型以及对夹爪构 型的评分因素； 基于场景中的模 型位姿和场景碰 撞检测结果， 利用坐标变换， 将单物体抓取候选 模型变换为场景抓取候选模型， 完成数据集生 成。 本发明基于碰撞包围盒模型， 利用GPU平行计 算能力封装夹爪前向运动学， 提高夹爪构型计算 及场景碰撞检测效率， 可快速生成针对多指欠驱 动夹爪大规模抓取 数据集。 权利要求书2页 说明书5页 附图2页 CN 115042171 A 2022.09.13 CN 115042171 A 1.一种多指欠驱动夹爪抓取 数据集生成方法， 其特 征在于， 所述方法包括以下步骤： S101： 建立基于前向运动学的所述夹爪碰撞包围盒模型， 利用矩阵计算和DH参数矩阵 快速获取 所述夹爪构型， 并完成场景碰撞检测； S103： 建立基于P yBullet的抓取仿真场景， 采集所述抓取场景数据， 所述场景数据包括 相机位置数据和所述场景中物体模型 数据； S105： 基于所述碰撞包围盒模型和 GWS抓取指标， 建立单物体抓取候选模型， 所述候选 模型还包括所述夹爪构型以及对所述夹爪构型的评分因素； S107： 基于所述场景中的模型位姿和所述场景碰撞检测结果， 利用坐标变换， 将所述单 物体抓取候选模型变换为场景抓取候选模型， 完成所述数据集 生成； 在基于所述前向运动学的多指欠驱动夹爪抓取数据集生成方法中， 通过联合所述碰撞 包围盒模型和所述单物体抓取候选模型， 利用基于PyBullet随机生成的抓取场景， 快速实 现抓取数据集的生成。 2.如权利要求1所述的方法， 其特征在于， 在所述步骤S101中， 所述矩阵计算设置为便 于GPU加速， 通过所述矩阵计算可以快速获取位于所述包围盒 内部的点集， 所述矩阵计算满 足如下要求： S＝abs((unsqueeze(P)‑C)R)≤E/2 其中， 当且仅当S最后一维全为True时， 对应索引点位于第i个包围盒内部， abs为对矩 阵取绝对值运算， unsqueeze为复制扩充矩阵满足矩阵运算维度运算， shape为获得矩阵维 度运算， P表示待计算点集， 满足shape(P)＝(N,3)， C表示包围盒中心， 满足shape(C)＝(B, I,1,3)， R表示包围盒轴向， 满足shape(R)＝(B,I,3,3 )， E表示包围盒沿轴向长度， 满足 shape(E)＝(B,I,1,3)， B为并行计算的bat ch数量， I为每个batch中参与计算的包围盒的数 量， N为计算点集的数量。 3.如权利要求2所述的方法， 其特征在于， 在所述步骤S101中， 所述DH参数矩阵封装所 述夹爪前向运动学模型， 通过矩阵坐标变换， 快速计算所述夹爪构件的所述包围盒模型参 数。 4.如权利要求3所述的方法， 其特征在于， 在所述步骤S101中， 所述碰撞检测的阈值设 置为所述包围盒 内部点数量与邻域点数量的比值， 通过所述碰撞检测阈值可快速判定所述 夹爪与所述场景点云是否发生碰撞， 以及所述夹爪与所述物体模型之间的接触 检测。 5.如权利要求4所述的方法， 其特征在于， 在所述步骤S101中， 通过基于所述包围盒的 接触检测， 可实现所述指定 夹爪与所述物体模型位姿下， 快速回归多组所述夹爪关节角。 6.如权利 要求1所述的方法， 其特征在于， 在所述步骤S103中， 随机选择一组物体， 将所 述物体随机放置在不同位置， 通过改变所述相 机位置， 针对同一个所述物体采集多个场景 RGBD数据， 并利用所述相机内外参数及RGBD信息， 计算并获得 所述场景的点云数据。 7.如权利要求1所述的方法， 其特征在于， 在所述步骤S105中， 所述单物体抓取候选模 型包括多组参数， 所述多组参数包括抓取候选点、 抓取深度、 抓取角度和多指构型， 所述单 物体抓取候选数量设置为由所述多组参数确定 。 8.如权利要求7所述的方法， 其特征在于， 在所述步骤S105中， 所述单物体抓取候选还 需要排除非法候选， 所述 非法候选包括所述夹爪与所述模型之 间的基于所述包围盒模型的 初始碰撞。权　利　要　求　书 1/2 页 2 CN 115042171 A 29.如权利要求1所述的方法， 其特征在于， 在所述步骤S107中， 所述场景抓取候选还需 要筛选出非法场景抓取候选， 所述非法场景抓取候选包括碰撞的非法场景抓取候选和通过 桌面法向筛 选出的非法接触方向的抓取候选 。 10.如权利要求9所述的方法， 其特征在于， 所述通过桌面法向筛选非法接触方向的抓 取候选时， 当所述接触方向与所述桌面法向间夹角大于预定角度时的抓取候选 即为非法抓 取候选， 所述预定角度为90度。权　利　要　求　书 2/2 页 3 CN 115042171 A 3