一种基于深度学习与3D点云的无序抓取方法

本发明涉及一种基于深度学习与3D点云的无序抓取方法，利用深度学习实例分割模型处理上述的灰度图像，获得每一个待抓取物体的精确像素级掩膜；将像素级掩膜映射至所述3D点云数据上，分割出每个待抓取物体的独立3D点云；基于优化后的物体点云，计算每个待抓取物体的抓取位姿，所述抓取位姿包括抓取目标点和抓取姿态向量；基于抓取位姿和像素级掩膜，计算所有待抓取物体之间的空间遮挡关系，并据此规划出机器人的抓取顺序，所述抓取顺序优先选择位置更高且无遮挡的物体。本发明结合现代传感器技术与数据处理算法，实现了对抓取位姿的精确计算，显著提升无序抓取的质量与效率。