1.一种抓取点识别方法,其特征在于,所述方法包括:获取目标状态下的目标物体对应的目标真实图像;
提取所述目标真实图像对应的目标真实领域特征以及目标合成领域特征;
将所述目标真实领域特征和所述目标合成领域特征按照目标权重比例进行融合,得到所述目标物体对应的目标跨域特征;
基于所述目标跨域特征确定所述目标物体对应的抓取点。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标真实领域特征和所述目标合成领域特征按照目标权重比例进行融合,得到所述目标物体对应的目标跨域特征之前,所述方法还包括:获取深度图像集合;所述深度图像集合包括所述目标状态下已知目标抓取点的物体对应的真实图像以及合成图像;
提取所述真实图像对应的真实领域特征以及所述合成图像对应的合成领域特征;
将所述真实领域特征和所述合成领域特征按照初始权重比例进行融合,得到所述物体对应的跨域特征;
基于所述跨域特征确定所述物体对应的预测抓取点;
基于所述预测抓取点以及所述目标抓取点更新所述初始权重比例,得到所述真实领域特征和所述合成领域特征各自对应的目标权重比例。
3.根据权利要求2所述的方法,其特征在于,所述提取所述真实图像对应的真实领域特征以及所述合成图像对应的合成领域特征,包括:提取所述真实图像以及所述合成图像各自对应的基础特征;
将所述真实图像以及所述合成图像各自对应的基础特征分别输入各自对应的可变形卷积网络中,分别输出所述真实图像对应的真实领域特征以及所述合成图像对应的合成领域特征。
4.根据权利要求1所述的方法,其特征在于,所述提取所述目标真实图像对应的目标真实领域特征以及目标合成领域特征,包括:利用预训练的ResNet101模型提取所述目标真实图像对应的基础特征;
将所述目标真实图像对应的基础特征分别输入真实领域可变形卷积网络和合成领域可变形卷积网络中,分别输出所述目标真实图像对应的目标真实领域特征以及目标合成领域特征。
5.根据权利要求1所述的方法,其特征在于,所述将所述目标真实领域特征和所述目标合成领域特征按照目标权重比例进行融合,得到所述目标物体对应的目标跨域特征,包括:将所述目标真实领域特征和所述目标合成领域特征进行张量拼接,得到拼接特征;
利用多层卷积网络按照目标权重比例对所述拼接特征进行融合,得到所述目标物体对应的目标跨域特征。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标跨域特征确定所述目标物体对应的抓取点,包括:利用全连接网络将所述目标跨域特征映射至预设数量的神经元,输出所述目标物体对应的抓取点;所述抓取点表征三维空间下所述目标物体对应的可抓取的位置坐标。
7.根据权利要求1所述的方法,其特征在于,所述目标物体为处于悬置状态下的衣物;
所述基于所述目标跨域特征确定所述目标物体对应的抓取点之后,所述方法还包括:基于所述目标真实图像确定所述衣物的类型;
根据所述抓取点以及所述衣物的类型进行动作规划;
根据所述动作规划以及所述抓取点将所述衣物展开至可穿状态。
8.一种抓取点识别装置,其特征在于,所述装置包括:第一获取模块,用于获取目标状态下的目标物体对应的目标真实图像;
第一提取模块,用于提取所述目标真实图像对应的目标真实领域特征以及目标合成领域特征;
第一融合模块,用于将所述目标真实领域特征和所述目标合成领域特征按照目标权重比例进行融合,得到所述目标物体对应的目标跨域特征;
第一确定模块,用于基于所述目标跨域特征确定所述目标物体对应的抓取点。
9.一种电子设备,其特征在于,包括:处理器和存储器;其中,所述处理器与所述存储器相连;所述存储器,用于存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1‑7任一项的方法步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1‑7任一项的方法步骤。