針對機械手對復(fù)雜工況下的工件進行自動抓取時精度較低的問題,提出一種采用改進SSD卷積神經(jīng)網(wǎng)絡(luò)算法配合多激光傳感的方法,對堆疊情況下的工件進行快速精確定位。采用SSD算法融合多視窗檢測方法,對視覺獲取的RGB圖片進行檢測,獲取工件水平位置信息;結(jié)合主動跟蹤激光傳感系統(tǒng),獲取工件表面的法向量,確定工件的空間位姿。搭建了硬件實驗平臺,在此平臺上開發(fā)了一套視覺與激光融合的工件定位抓取系統(tǒng),并以非標(biāo)零件為實驗對象在堆疊情況下進行多組實驗,在模擬車間自然光照環(huán)境下,工件識別率95.4%,平均耗時為40ms,工件識別的平均坐標(biāo)偏差1.86mm,法向量平均偏差為1.39°,機器人抓取率為98.2%,實驗結(jié)果表明,該方法定位準(zhǔn)確,速度快,在自動化生產(chǎn)線上具有可行性。

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1硬件平臺

在模擬車間自然光照環(huán)境下,本文搭建的實驗平臺如圖1所示。主要包括一個CCD工業(yè)相機(型號:維視MV-VD120SC,分辨率:1600×1200,鏡頭焦距:8mm,幀率:20fps),計算機(硬件配置:主頻3.4GHz的i7處理器,16GB內(nèi)存,顯存6G的英偉達GTX-1060顯....

圖2SSD算法結(jié)構(gòu)圖

SSD算法由4部分組成:基礎(chǔ)網(wǎng)絡(luò)VGG-16部分,附加特征提取層部分,原始包圍框生成部分和卷積預(yù)測部分[11]。具體網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。2.2圖像采集及預(yù)處理

圖3樣本采集與標(biāo)簽制作

SSD算法是經(jīng)過特定的圖像數(shù)據(jù)和相應(yīng)的標(biāo)注進行預(yù)處理的,不適用于直接為其他圖像數(shù)據(jù)進行目標(biāo)檢測。由于訓(xùn)練樣本將最直接影響檢測器的效果,本文選取的訓(xùn)練樣本應(yīng)盡可能覆蓋檢測中出現(xiàn)的各種情況,包括隨機平放、隨機傾斜、隨機堆疊等情況。利用工業(yè)相機,拍攝處于不同位姿的工件樣本圖像600張,....

圖4多視窗檢測模型

多視窗檢測模型的實現(xiàn)主要分為兩個模塊:多視窗模塊和融合模塊[12]。具體結(jié)構(gòu)如圖4所示。(1)多視窗模塊

本文編號：3974540