針對(duì)機(jī)械手對(duì)復(fù)雜工況下的工件進(jìn)行自動(dòng)抓取時(shí)精度較低的問(wèn)題,提出一種采用改進(jìn)SSD卷積神經(jīng)網(wǎng)絡(luò)算法配合多激光傳感的方法,對(duì)堆疊情況下的工件進(jìn)行快速精確定位。采用SSD算法融合多視窗檢測(cè)方法,對(duì)視覺(jué)獲取的RGB圖片進(jìn)行檢測(cè),獲取工件水平位置信息;結(jié)合主動(dòng)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(shí)驗(yàn)平臺(tái),在此平臺(tái)上開(kāi)發(fā)了一套視覺(jué)與激光融合的工件定位抓取系統(tǒng),并以非標(biāo)零件為實(shí)驗(yàn)對(duì)象在堆疊情況下進(jìn)行多組實(shí)驗(yàn),在模擬車間自然光照環(huán)境下,工件識(shí)別率95.4%,平均耗時(shí)為40ms,工件識(shí)別的平均坐標(biāo)偏差1.86mm,法向量平均偏差為1.39°,機(jī)器人抓取率為98.2%,實(shí)驗(yàn)結(jié)果表明,該方法定位準(zhǔn)確,速度快,在自動(dòng)化生產(chǎn)線上具有可行性。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1硬件平臺(tái)

在模擬車間自然光照環(huán)境下,本文搭建的實(shí)驗(yàn)平臺(tái)如圖1所示。主要包括一個(gè)CCD工業(yè)相機(jī)(型號(hào):維視MV-VD120SC,分辨率:1600×1200,鏡頭焦距:8mm,幀率:20fps),計(jì)算機(jī)(硬件配置:主頻3.4GHz的i7處理器,16GB內(nèi)存,顯存6G的英偉達(dá)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(cè)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(guò)特定的圖像數(shù)據(jù)和相應(yīng)的標(biāo)注進(jìn)行預(yù)處理的,不適用于直接為其他圖像數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)。由于訓(xùn)練樣本將最直接影響檢測(cè)器的效果,本文選取的訓(xùn)練樣本應(yīng)盡可能覆蓋檢測(cè)中出現(xiàn)的各種情況,包括隨機(jī)平放、隨機(jī)傾斜、隨機(jī)堆疊等情況。利用工業(yè)相機(jī),拍攝處于不同位姿的工件樣本圖像600張,....

圖4多視窗檢測(cè)模型

多視窗檢測(cè)模型的實(shí)現(xiàn)主要分為兩個(gè)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(hào)：3974540