[发明专利]基于物流运输应用的智能感知机器人

权利要求书

1.一种利用图像处理技术和模仿学习方法的基于物流运输应用的智能感知机器人，其特征在于操作步骤如下：

a)部件检测单元：实现部件的实时目标检测和类型识别。

b)部件感知决策单元：定位机器人工作区域内的待卸载部件并分配至相应装配线。

c)部件抓取单元：检测部件抓取点进行装卸操作。

2.根据权利要求1所述的利用图像处理技术和模仿学习方法的基于物流运输应用的智能感知机器人，其特征在于步骤a)利用智能感知机器人的图像感知器、采集卡等装置获取实时装配线上汽车配件的清晰有效图像。图像数据采集完成后，将图像上传至目标检测模块，通过图像检测技术对配件的二维图像进行识别分类。使用预先训练好的神经网络YOLO模型，将原图像输入后按照比例分割成多个单元块，利用边界框坐标和类概率的方法进行回归预测。在网络中使用大量的残差块进行跳层连接以优化参数提高准确率，而后在每一个卷积层后激活函数前利用批量归一化的方法进行正则化、加速收敛和避免过拟合的操作。使用锚框预测边界框，而后通过置信度消除边界框直至每个部件仅存在一个边界框，而后通过逻辑回归与预训练获取的参数相比较，得到的多个高于阈值的类别标签得分项，并选取得分最大值作为该部件的类别标签。为了进一步提升精度，机器人在感知决策单元前，可以进行二次检测，通过读取配件箱上的条形码验证箱内实际配件与检测结果是否相符，若因残留污渍导致二次检测错判，则不再进行二次检测识别。

3.根据权利要求1所述的利用图像处理技术和模仿学习方法的基于物流运输应用的智能感知机器人，其特征在于步骤b)该阶段的功能是通过模仿学习算法对部件检测单元识别到的配件对象预测其装卸流程。模仿学习是将循环神经网络RNN模型通过对已经匹配的训练集中的配件类别和配件运输过程相关性进行预训练，而后对获取到的实时图像中的部件集合删除该机器人非工作区域内的汽车部件，对剩余的对象依次从集装箱的左上角开始，沿着右移的方向分别进行回归预测，直至结束，在从下一行重新开始，以此类推，得到与预训练得到的分布结果最匹配的部件过程对，由此得到当前装配线的部件搬运过程，以确定部件抓取单元的抓取对象。在错误检测的情况下，进行预警，对该对象进行人工干预，机器人继续匹配下一个最相关的配件。通过对装配线相应的固定分配，可以确定恒定的抓取器和最优的装卸策略。

4.根据权利要求1所述的利用图像处理技术和模仿学习方法的基于物流运输应用的智能感知机器人，其特征在于步骤c)在卸载过程中，当获取三维空间中待抓取的部件后，通过机器人的噪声及图像等传感器得到数据。再利用图像处理技术，为了不妨碍抓取器与部件间的密封性，选择表面光滑且没有明显污渍的区域作为夹持点，定位其坐标向量用以确定抓取位置。将原始图像预处理转化为灰度图，输入进预先训练好的神经网络中，然后再将图像分割成多个均匀矩形，选择得分最高的边界框作为抓取点，而后通过传感器确定实际位置。其中检测到当装载空件时，除空件的坐标向量外，还需确定其旋转角度进行堆垛。从而得到了汽车部件的自动化智能感知物流运输系统的卸载，装配线的分配及空件回收机制。