一种复杂环境下基于深度学习的无标定机械臂抓取方法

本发明涉及基于视觉的机械臂抓取物体方法，特别是一种复杂环境下基于深度学习的无标定机械臂抓取方法。其步骤包括：S10，搭建YOLOv2物体检测模型；S20，设定目标物体、摄像机和机械臂三者之间的位置关系；S30，对包含目标物体的图片中的各类物体进行检测，输出检测结果；S40，初始化机械臂末端抓手的位置和抓取姿态，对机械臂的抓手进行检测，输出检测结果；S50，摄像机对目标物体和抓手进行检测，输出检测信息；S60，结合P控制和闭环控制方法控制机械臂向目标物体移动；S70，抓取目标物体。本发明的机械臂抓取目标物的方法，可以适应在复杂环境下的目标物抓取，大大减少了数据处理的复杂度和数据计算量，提高抓取效率。