零件装配方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115049730A(43)申请公布日2022.09.13(21)申请号202210616084.6G06N3/04(2006.01)(22)申请日2022.05.31B25J9/16(2006.01)(71)申请人北京有竹居网络技术有限公司地址101299北京市平谷区林荫北街13号信息大厦802室(72)发明人孔涛章如锋(74)专利代理机构北京远智汇知识产权代理有限公司11659专利代理师刘欣(51)Int.Cl.G06T7/73(2017.01)G06T17/00(2006.01)G06V10/762(2022.01)G06V10/40(2022.01)G06V10/82(2022.01)权利要求书2页说明书15页附图3页(54)发明名称零件装配方法、装置、电子设备及存储介质(57)摘要本公开实施例提供了一种零件装配方法、装置、电子设备及存储介质。该方法，包括：获取每个待装配零件的三维点云数据，并分别确定每个待装配零件的零件标识特征；根据每个待装配零件的三维点云数据、零件标识特征以及预先训练完成的位姿转换模型，确定与每个待装配零件对应的位姿转换关系；其中，位姿转换模型基于样本装配体包含的样本零件和与样本零件对应的期望的位姿转换关系训练得到。在确定位姿转换关系后，可以根据每个待装配零件对应的位姿转换关系对至少两个待装配零件进行装配，得到目标装配体。本公开实施例的技术方案，能够更加准确地实现对零件的装配，提升了零件装配的准确度和泛化性，进一步提升零件装配的效率。CN115049730ACN115049730A权利要求书1/2页1.一种零件装配方法，其特征在于，包括：获取每个待装配零件的三维点云数据，并分别确定每个待装配零件的零件标识特征；根据每个待装配零件的所述三维点云数据、所述零件标识特征以及预先训练完成的位姿转换模型，确定与每个待装配零件对应的位姿转换关系；根据每个所述待装配零件对应的位姿转换关系对至少两个待装配零件进行装配，得到目标装配体；其中，所述位姿转换模型基于样本装配体包含的样本零件和与所述样本零件对应的期望的位姿转换关系训练得到。2.根据权利要求1所述的零件装配方法，其特征在于，所述分别确定每个待装配零件的零件标识特征，包括：分别对每个所述待装配零件进行编码，得到每个所述待装配零件的零件标识特征。3.根据权利要求2所述的零件装配方法，其特征在于，所述分别对每个所述待装配零件进行编码，包括：分别将每个所述待装配零件作为一类，采用独热向量对每个所述待装配零件进行编码，其中，所述独热向量的长度与所述待装配零件的总数量相同；和/或，将所述待装配零件的进行聚类处理，根据每个所述待装配零件所属的类别对每个所述待装配零件进行编码，其中，属于同一类别的每个所述待装配零件的编码相同。4.根据权利要求3所述的零件装配方法，其特征在于，所述将所述待装配零件的进行聚类处理，包括：根据每个将所述待装配零件的三维点云数据确定每两个所述待装配零件之间的零件相似度，根据所述零件相似度待装配零件的进行聚类处理。5.根据权利要求1‑4任一所述的零件装配方法，其特征在于，所述位姿转换模型包括特征提取网络和位姿预测网络；所述根据每个待装配零件的所述三维点云数据、所述零件标识特征以及预先训练完成的位姿转换模型，确定与每个待装配零件对应的位姿转换关系，包括：将所述待装配零件的三维点云数据，输入至预先训练完成的位姿转换模型中的特征提取网络，得到每个所述待装配零件的零件点云特征；根据每个所述待装配零件的所述零件点云特征和所述零件标识特征确定每个所述待装配零件的待预测特征数据；将所述待预测特征数据输入至所述位姿转换模型中的位姿预测网络中，得到与每个所述待装配零件对应的位姿转换关系。6.根据权利要求5所述的零件装配方法，其特征在于，所述根据每个所述待装配零件的所述零件点云特征和所述零件标识特征确定每个所述待装配零件的待预测特征数据，包括：针对每个所述待装配零件，将所述待装配零件的所述零件点云特征和所述零件标识特征进行拼接，得到所述待装配零件的待预测特征数据。7.根据权利要求5所述的零件装配方法，其特征在于，所述位姿预测网络包括基于自注意力机制构建的位姿转换模块和与所述位姿预测模块连接的预测输出模块。2CN115049730A权利要求书2/2页8.根据权利要求7所述的零件装配方法，其特征在于，所述将所述待预测特征数据输入至所述位姿转换模型中的位姿预测网络中，得到与每个所述待装配零件对应的位姿转换关系，包括：将所述待预测特征数据输入至所述位姿转换模型中的位姿转换模块，得到与所述待预测特征数据对应的零件间关联特征；将所述零件间关联特征输入至所述位姿转换模型中的预测输出模块，得到与每个所述待装配零件对应的位姿