[发明专利]基于AI图像识别算法的机械臂移动的控制方法

说明书

发明涉及控制方法领域，尤其是基于AI图像识别算法的机械臂移动的控制方法。该方法的步骤为：a)预训练深度学习的网络模型，实现图像实例识别与图像区域分割，得到区域识别模型；b)预训练深度学习的模型，得到目标物体识别模型；c)通过数个摄像头从数个不同的角度采集图像；d)使用区域识别模型对采集来的图像进行图像区域分割，依据数张图像分隔的结果进行三维空间建模。本发明通过两次图像识别算法的定位，降低了机械臂的精度要求，提高了抓取的效率和准确性。控制机械臂移动过程中不需要采集图像，对图像算法计算量大大减少。成本低灵活性高：纯图像技术可灵活应用于各种动态变化的商用场景。

技术领域

发明涉及控制方法领域，尤其是基于AI图像识别算法的机械臂移动的控制方法。

背景技术

现有的机械臂移动控制，是通过机械臂上的摄像头采集图像，采集的对象是目标物体。但是这种控制方式的抓取效率与准确率较低。

发明内容

为了解决背景技术中描述的技术问题，发明提供了一种基于AI图像识别算法的机械臂移动的控制方法。通过两次图像识别算法的定位，降低了机械臂的精度要求，提高了抓取的效率和准确性。控制机械臂移动过程中不需要采集图像，对图像算法计算量大大减少。成本低灵活性高：纯图像技术可灵活应用于各种动态变化的商用场景。

本发明解决其技术问题所采用的技术方案是：

一种基于AI图像识别算法的机械臂移动的控制方法，该方法的步骤为：

a)预训练深度学习的网络模型，实现图像实例识别与图像区域分割，得到区域识别模型；

b)预训练深度学习的模型，得到目标物体识别模型；

c)通过数个摄像头从数个不同的角度采集图像；

d)使用区域识别模型对采集来的图像进行图像区域分割，依据数张图像分隔的结果进行三维空间建模；

e)使用目标物体识别模型识别目标物体在三维空间中的坐标位置，并确认机械臂的坐标位置；

f)得到三维空间中的目标位置、障碍物区域后，通过机械臂的控制指令，对机械臂进行路径规划，机械臂按此路径运行运动操作；

g)机械臂运动到目标位置后，在做夹取操作前，数个摄像头重新采集图像进行一次目标位置、机械臂位置的核对与矫正，并做夹取操作。

具体地，所述三维空间建模的方式为，通过三维递归重建神经网络3D-R2N2进行多视图三维重建。

具体地，所述神经网络3D-R2N2从任意角度接收多个对象实例的图像，并以三维占用网格的形式输出对象的重建。

具体地，所述摄像头采集的图像是从顶、前、左、右四个角度采集。

具体地，通过采集的图像，提取环境图像特征，计算出关键目标间的坐标关系，采用图像分割的深度学习网络DeepLabv3+进行训练。

本发明的有益效果是：本发明提供了一种基于AI图像识别算法的机械臂移动的控制方法。通过两次图像识别算法的定位，降低了机械臂的精度要求，提高了抓取的效率和准确性。控制机械臂移动过程中不需要采集图像，对图像算法计算量大大减少。成本低灵活性高：纯图像技术可灵活应用于各种动态变化的商用场景。

附图说明

下面结合附图和实施例对发明进一步说明。

图1是本发明的结构框图；

具体实施方式

现在结合附图对发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明发明的基本结构，因此其仅显示与发明有关的构成。

图1是本发明的结构框图。