視覺(jué)機(jī)器人通過(guò)相機(jī)采集周圍場(chǎng)景的圖像,基于圖像獲取目標(biāo)物體的位置和姿態(tài)信息,進(jìn)而控制機(jī)械臂完成相應(yīng)的操作。其中通過(guò)圖像準(zhǔn)確快速的獲取目標(biāo)的位姿信息是至關(guān)重要的環(huán)節(jié),具體到本文的應(yīng)用場(chǎng)合,目標(biāo)是獲取RRU產(chǎn)品上電源口的位姿信息。考慮到傳統(tǒng)的目標(biāo)檢測(cè)技術(shù)需要人工設(shè)計(jì)提取的特征,對(duì)復(fù)雜背景環(huán)境下的目標(biāo)檢測(cè)準(zhǔn)確度和效率都比較低,本文選擇魯棒性好、精度高的深度神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行目標(biāo)檢測(cè)。本文設(shè)計(jì)了一種神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)圖像處理技術(shù)結(jié)合的方法來(lái)獲取電源口的位姿信息,首先使用神經(jīng)網(wǎng)絡(luò)對(duì)電源口中的兩個(gè)插針進(jìn)行邊界框預(yù)測(cè),然后基于預(yù)測(cè)邊界框使用大津算法閾值化和圖像矩來(lái)求取兩個(gè)插針中心,間接得到電源口的位姿信息。考慮到相機(jī)畸變會(huì)引起圖像扭曲和插針形狀失真,造成基于預(yù)測(cè)邊界框中的像素信息獲取中心點(diǎn)時(shí)會(huì)存在誤差,本文中對(duì)使用的相機(jī)建立畸變模型,對(duì)采集到的圖像進(jìn)行去畸變處理。由于待檢測(cè)物體插針為特定目標(biāo),需要自主建立數(shù)據(jù)集。本文中介紹了數(shù)據(jù)集的具體建立過(guò)程,以及網(wǎng)絡(luò)訓(xùn)練過(guò)程使用的數(shù)據(jù)集增廣手段。數(shù)據(jù)增廣手段包括隨機(jī)裁剪、偏轉(zhuǎn)、縮放、顏色抖動(dòng)等。實(shí)現(xiàn)目標(biāo)檢測(cè)的神經(jīng)網(wǎng)絡(luò)模型基于CornerNet進(jìn)行改進(jìn)得到,具體的改進(jìn)有以... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

機(jī)器人視覺(jué)伺服智能系統(tǒng)實(shí)物圖

圖 1-2 電源口位姿信息的獲取過(guò)程絡(luò)對(duì)電源口中的兩個(gè)插針進(jìn)行目需要保證用于目標(biāo)檢測(cè)的神經(jīng)網(wǎng)插針位置檢測(cè)的深度神經(jīng)網(wǎng)絡(luò)基于的訓(xùn)練和預(yù)測(cè)階段的策略進(jìn)行優(yōu)設(shè)置策略、網(wǎng)絡(luò)優(yōu)化算法的選取對(duì)于 CornerNet 網(wǎng)絡(luò)模型的結(jié)構(gòu)進(jìn)考慮到 CornerNet 模型的基礎(chǔ)特征使用一種特征提取能力強(qiáng)和參數(shù)絡(luò)參數(shù)和計(jì)算量的結(jié)構(gòu)改進(jìn)方法的同時(shí)能夠增強(qiáng)網(wǎng)絡(luò)特征表達(dá)的據(jù)集從AP和AR 指標(biāo)、網(wǎng)絡(luò)參數(shù)以驗(yàn)證改進(jìn)的有效性。

a)相機(jī)畸變 b)徑向畸變 c)切向畸變圖 2-2 畸變影響可視化表 2-1 相機(jī)內(nèi)部參數(shù)[ ]x yf f [ ]x yc c標(biāo)稱值 [2909.09091 2909.01091] [1024 544]標(biāo)定值 [2900.50007 2897.47210] [1022.62163 543.44754]結(jié)果為：畸變系數(shù)ck = [ -0.24982 0.67097 0.00000 -0.00000 0.00000 ]，像素誤差 err = [ 0.37735 0.30954 ]。2.3 圖像采集與標(biāo)注相比于傳統(tǒng)的基于人工設(shè)計(jì)特征提取的目標(biāo)檢測(cè)技術(shù)，卷積神經(jīng)網(wǎng)絡(luò)更能利用大數(shù)據(jù)的優(yōu)勢(shì)，并且能夠?qū)⒃紙D像直接作為網(wǎng)絡(luò)的輸入來(lái)完成目標(biāo)分類和定位的任務(wù)。神經(jīng)網(wǎng)絡(luò)能夠自動(dòng)的從數(shù)據(jù)集中學(xué)習(xí)到對(duì)物體檢測(cè)任務(wù)有用的特征，提取到的特征種類取決于網(wǎng)絡(luò)層的參數(shù)。輸入圖像和相應(yīng)標(biāo)簽

【參考文獻(xiàn)】：
碩士論文
[1]基于深度學(xué)習(xí)的快速目標(biāo)檢測(cè)算法研究[D]. 王海龍.哈爾濱工業(yè)大學(xué) 2018



本文編號(hào)：3075978