一种基于深度强化学习的机械臂视觉深度预估方法

本发明涉及机械臂视觉深度预估技术领域，具体提供一种基于深度强化学习的机械臂视觉深度预估方法，基于SAC算法建立智能体网络，设定靶标和特征点，建立机械臂运动学模型、相机模型和物理模型，随机选取机械臂的起点位姿，并控制机械臂从起点位姿逐步向目标位姿运动，每一步位姿处，Actor网络依据相机模型采集的靶标图像预估特征点的视觉深度，机械臂依据预估的视觉深度进行下一步运动，设定奖励函数对Actor网络预估的视觉深度进行评价，以提升Actor网络预估视觉深度的能力。本发明方法在机械臂运动过程中，可实现实时预估当前位姿处靶标的视觉深度，确保可精确计算图像的交互矩阵，实现全局收敛，提高视觉伺服任务的成功率。