發(fā)布時(shí)間：2021-01-15 22:28

　　解決產(chǎn)線工件的自動抓取問題對于工廠生產(chǎn)效益的提高有著重大的意義。然而由于工件形狀不規(guī)則、位置不確定、姿態(tài)變化多樣等原因,傳統(tǒng)的邊緣檢測、特征提取等方法難以做到復(fù)雜工件的準(zhǔn)確識別與定位。本文從兩個(gè)方向分別提出了基于深度學(xué)習(xí)的工件抓取方法,一種將目標(biāo)檢測算法應(yīng)用于工件之中,并提出了角度回歸網(wǎng)絡(luò)來實(shí)現(xiàn)工件三維姿態(tài)確定,得出分類、位置、姿態(tài)信息;另一種為基于單目標(biāo)三維重建的方法,根據(jù)二維RGB圖恢復(fù)出工件的三維模型,從而獲取其空間位置、姿態(tài)信息,完成工件的識別定位工作。實(shí)驗(yàn)證明相比于傳統(tǒng)的工件特征提取方法,這兩種方法能夠解決工件的三維姿態(tài)無法確定的難題。同時(shí)深度學(xué)習(xí)的方法擴(kuò)展性更強(qiáng),目標(biāo)檢測的速度更快。本文分別利用目標(biāo)檢測技術(shù)與三維重建技術(shù)獲取工件位置與姿態(tài)信息,分別介紹了兩種技術(shù)對應(yīng)的模型在工件的信息獲取中所展示的效果。論文主要內(nèi)容如下:（1）實(shí)驗(yàn)平臺的組成以及相機(jī)的標(biāo)定。主要介紹了實(shí)驗(yàn)平臺的總體硬件構(gòu)成,包括機(jī)械臂、視覺實(shí)驗(yàn)架、相機(jī)、鏡頭、光源等主要硬件的選取。還介紹了攝像機(jī)模型與坐標(biāo)系的建立。最后介紹相機(jī)標(biāo)定原理與步驟,完成相機(jī)的標(biāo)定,獲取相機(jī)的內(nèi)外參。（2）基于目標(biāo)檢測算法的工件識別與... 

【文章來源】：寧波大學(xué)浙江省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1.緒論
    1.1 .研究的背景及意義
    1.2 .國內(nèi)外研究現(xiàn)狀
        1.2.1 .目標(biāo)檢測研究現(xiàn)狀
        1.2.2 .單目標(biāo)三維重建現(xiàn)狀
    1.3 .論文主要研究內(nèi)容
    1.4 .論文主要創(chuàng)新點(diǎn)
2.實(shí)驗(yàn)平臺的組成以及相機(jī)的標(biāo)定
    2.1 .實(shí)驗(yàn)平臺
    2.2 .攝像機(jī)模型與坐標(biāo)系
        2.2.1 .攝像機(jī)模型
        2.2.2 .建立坐標(biāo)系
    2.3 .相機(jī)標(biāo)定原理
    2.4 .本章小結(jié)
3.基于目標(biāo)檢測算法的工件識別與定位
    3.1 .算法系統(tǒng)概述
    3.2 .卷積神經(jīng)網(wǎng)絡(luò)基本原理
        3.2.1 .傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)
        3.2.2 .卷積神經(jīng)網(wǎng)絡(luò)的組成
    3.3 .網(wǎng)絡(luò)結(jié)構(gòu)與損失函數(shù)
        3.3.1 .算法基本原理
        3.3.2 .網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.3 .損失函數(shù)
    3.4 .訓(xùn)練集的制作
        3.4.1 .訓(xùn)練圖片的獲取
        3.4.2 .訓(xùn)練集的標(biāo)注
    3.5 .訓(xùn)練與測試
        3.5.1 .訓(xùn)練
        3.5.2 .測試
    3.6.實(shí)驗(yàn)
        3.6.1 .對比YOLO
        3.6.2.其它實(shí)驗(yàn)
    3.7 .算法其它改進(jìn)
        3.7.1 .Soft-NMS與 NMS
        3.7.2 .GIoU與 IoU
    3.8 .本章小結(jié)
4.基于單目標(biāo)三維重建的工件定位與姿態(tài)識別
    4.1 .算法原理與系統(tǒng)概述
        4.1.1 .算法原理概述
        4.1.2 .算法系統(tǒng)概述
    4.2 .網(wǎng)絡(luò)結(jié)構(gòu)與損失函數(shù)
        4.2.1 .網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 .損失函數(shù)
    4.3 .數(shù)據(jù)集的制作
        4.3.1 .訓(xùn)練圖片的獲取
        4.3.2 .體素模型的生成
    4.4 .訓(xùn)練與測試
        4.4.1 .訓(xùn)練
        4.4.2 .測試
    4.5 .實(shí)驗(yàn)方法對比
        4.5.1 .基于點(diǎn)云的單目標(biāo)三維重建
        4.5.2 .基于網(wǎng)格的單目標(biāo)三維重建
    4.6 .本章小結(jié)
5.結(jié)論與展望
    5.1 .結(jié)論
    5.2 .展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]阿法狗圍棋系統(tǒng)的簡要分析[J]. 田淵棟.  自動化學(xué)報(bào). 2016(05)
[2]機(jī)器視覺的鏡頭選擇創(chuàng)造不同[J]. Timne Bilton.  軟件. 2008(04)

碩士論文
[1]基于機(jī)器視覺的工件的識別和定位[D]. 潘武.北京化工大學(xué) 2012



本文編號：2979621