發(fā)布時間：2023-04-19 04:31

　　隨著機器視覺技術的快速發(fā)展,應用領域的不斷擴大,尤其在工業(yè)上,它已然成為獲取信息的工具之一,也是一個體現(xiàn)工業(yè)4.0智能化的關鍵技術。本文將以機器視覺為主導,研究復雜多樣的汽車小零件在非結構環(huán)境下的定位抓取工作。內(nèi)容上,它包含目標識別分類和定位抓取,同時,也涵蓋機器人在抓取過程中路徑規(guī)劃設計。從難度上來看,機器人在對目標識別方面存在兩個難題:第一,當眾多汽車小零件錯綜復雜的疊放在一起時,由于種類的復雜多樣和互相遮擋,存在大量未知信息;第二,在獲取目標群體的三維信息時,存在目標抓取順序混亂及碰撞等。另外,傳統(tǒng)的機器人作業(yè)是通過示教器反復示教校準,對已知現(xiàn)有的目標進行定位抓取,執(zhí)行模式比較固化,且泛化能力不夠,很難滿足工業(yè)機器人對多種類、多目標的作業(yè)需求。因此,本文提出一種適用于汽車小零件定位抓取的方式方法,具體在以下三個方面進行研究工作:首先針對復雜未知環(huán)境下汽車小零件的識別分類問題,本文提出一種自適應速率的卷積神經(jīng)網(wǎng)絡訓練模型,該神經(jīng)網(wǎng)絡與Faster R-CNN結合,對目標區(qū)域和建議候選區(qū)進行IoU準則判斷。同時本文在準則判斷上增加約束條件,對模糊分類進行校正。實驗表明該方法在目標存在...

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標檢測定位技術研究
        1.2.2 深度信息獲取技術研究
        1.2.3 機器人抓取路徑技術研究
    1.3 本文研究內(nèi)容與章節(jié)安排
第2章 卷積神經(jīng)網(wǎng)絡的圖像分類算法研究
    2.1 引言
    2.2 卷積神經(jīng)網(wǎng)絡基礎
        2.2.1 卷積和卷積層
        2.2.2 池化層
        2.2.3 激活函數(shù)和全連接層
        2.2.4 前向傳播和反向傳播
    2.3 基于ResNet殘差網(wǎng)絡模型的研究
        2.3.1 ResNet介紹
        2.3.2 基于ResNet的圖像分類特點
    2.4 基于候選區(qū)域的目標檢測算法
        2.4.1 R-CNN和 Fast R-CNN目標檢測
        2.4.2 Faster R-CNN目標檢測
    2.5 實驗結果及分析
        2.5.1 預訓練樣本的準備
        2.5.2 卷積神經(jīng)網(wǎng)絡圖像分類實驗
    2.6 本章小結
第3章 雙目的深度獲取和抓取軌跡方法研究
    3.1 引言
    3.2 點云獲取技術
        3.2.1 雙目視差圖的獲取
        3.2.2 Kinect深度相機的獲取
        3.2.3 結構光3D掃描的獲取
    3.3 三維點云信息特征與提取
        3.3.1 三維特征描述子
        3.3.2 點云法向量的計算
    3.4 抓取路徑規(guī)劃
        3.4.1 機械臂的運動學分析和逆解
        3.4.2 關節(jié)運動軌跡規(guī)劃方法
    3.5 實驗結果及分析
    3.6 本章小結
第4章 改進的目標檢測定位算法
    4.1 引言
    4.2 預處理的改進方法
        4.2.1 圖像通道與多尺度處理
        4.2.2 改進的圖像遮擋處理算法
    4.3 自適應學習率的參數(shù)優(yōu)化
    4.4 實驗結果和分析
    4.5 本章小結
第5章 改進的深度獲取以及組合函數(shù)規(guī)劃算法
    5.1 引言
    5.2 視差估計和點云處理的改進算法
        5.2.1 融合導向濾波的視差估計
        5.2.2 基于關鍵點的點云局部特征
    5.3 基于距離的場景有序抓取算法
        5.3.1 場景可視距離的抓取規(guī)則
        5.3.2 組合函數(shù)的插值路徑規(guī)劃
    5.4 實驗結果及分析
    5.5 本章小結
第6章 基于視覺引導的集成定位仿真平臺
    6.1 引言
    6.2 集成實驗平臺
        6.2.1 系統(tǒng)的開發(fā)流程
        6.2.2 系統(tǒng)的軟硬件平臺
    6.3 系統(tǒng)界面與分類實驗結果
    6.4 本章小結
結論
參考文獻
攻讀碩士學位期間承擔的科研任務與主要成果
致謝
作者簡介



本文編號：3793717