[发明专利]一种基于卷积神经网络的工件目标定位孔定位及姿态判定方法

说明书

本发明公开了一种基于卷积神经网络的工件目标定位孔定位及姿态判定方法，通过所搭建的卷积神经网络对工件目标定位孔的检测识别，确定出工件目标的定位孔位置，通过检测定位孔外切矩形的边长变化确定出工件目标的姿态信息。本方法对于降低劳动成本、保障产品品质、提高生产效率有着重要意义。

技术领域

本发明涉及机器学习和计算机视觉技术领域，尤其涉及一种基于卷积神经网络的工件目标定位孔定位及姿态判定方法。

背景技术

随着智能制造技术产业的不断发展，机器人技术已成为工业领域智能化生产的主要技术支持。传统的基于机器人视觉的机器人分拣采用对机器人进行简单示教的方式进行，对机器人和工件的摆放位置及姿态(包括工件目标的旋转角度及倾斜角度)等信息有着严格要求，一旦工件目标位置、姿态、倾斜角度发生改变，会极大的影响抓取、分拣的效率。

发明内容

本发明的目的在于提供一种基于卷积神经网络的工件目标定位孔定位及姿态判定方法，旨在解决现有技术中的同位模式发现方法在生成表实例时需要大量的连接操作且难以发现极大团的技术问题，以及缓解现有同位模式挖掘方法只能发现细粒度特征的单层次的同位模式的局限性。

为实现上述目的，本发明提供了一种基于卷积神经网络的工件目标定位孔定位及姿态判定方法，包括下列步骤：

搭建卷积神经网络并训练标记样本集，确定检测参数；

使用所述卷积神经网络对工件目标图像集进行定位孔检测，得到所述定位孔的圆周轮廓和圆心坐标集；

对所述圆心坐标集修正并加权处理，得到修正定位孔圆心坐标；

对所述圆周轮廓进圆度拟合，得到拟合圆周轮廓集；

标记所述圆周轮廓集每帧图像拟合圆的最小矩形；

对所述最小矩形的相邻边长进行加权处理，得到修正矩形相邻边边长；

根据所述修正矩形相邻边边长，判断所述工件目标的姿态，并计算姿态信息。

其中，搭建卷积神经网络并训练标记样本集，确定检测参数，包括：

获取样本工件目标定位孔的不同姿态图像数据集；

生成并标记样本集，获取所述样本目标工件大量不同角度的图片作为样本集，并对所述样本集进行标注；

搭建YOLO目标检测网络，添加相应的损失函数，获取所述样本集中工件目标的轮廓信息；

开始训练网络，直至损失函数收敛，保存参数。

其中，搭建YOLO目标检测网络，包括：

将一幅图片划分成N×N个网络；

对每个所述网络预测Z个边框及M个分类；

对每个所述边框进行中心点坐标和高度宽度及置信度参数进行预测；

将所述网格预测的类别信息和边框预测的置信度相乘，以此得到每个所述边框的类别置信度分数；

上述所有预测出的所述边框所对应的置信度分数代表着框中属于真实前景目标的概率，并规定当概率值小于某所设置阈值时删除该框；

对剩余的框进行非极大值抑制。

其中，使用所述卷积神经网络对工件目标图像集进行定位孔检测，包括：

通过工业相机获取所述工件目标的定位孔一的图像集α和定位孔二的图像集β；

对获取的所述工件目标的图像进行预处理；