[发明专利]非结构化机器人视觉检测机械零件的同步识别与定位方法

说明书

本发明公开非结构化机器人视觉检测机械零件的同步识别与定位方法，包括读取一个安装于工业机器人手臂的视觉传感器获得的包含T帧视频图像的视频序列，将视频序列中的第I帧的图像数据表示为{I(x,y)}_t^T₌₁；应用最近邻插值法将上述的第I帧的图像尺寸缩小；将上述缩小尺寸的图像输入机械零件卷积神经网络模型，根据机械零件卷积神经网络模型训练所学习的模型参数M，输出图像I（x，y）每帧的估计预测p(x,y|M)给工业机器人控制系统，实现输入图像与机械零件的位置和识别之间对应，以便工业机器人拾取零件。本发明可以处理周围环境的大动态变化、能够应对非结构化制造条件、在保证识别和定位精度的同时计算效率较高。

技术领域

本发明属于计算机视觉技术领域，具体涉及具有轻量级架构、可处理周围环境的大动态变化、能够应对非结构化制造条件、在保证识别和定位精度的同时计算效率较高的非结构化机器人视觉检测机械零件的同步识别与定位方法。

背景技术

由于具有非接触性、高速和高精度检测的特点，机械与电子工程行业机器人对于不同类型的机械零部件进行可视化检测具有很高的吸引力。近年来，视觉检测已成为高科技工业机器人视觉领域的一个发展趋势和不可或缺的技术，以视觉装置和图像处理算法为技术手段，以视觉伺服定位为目的，对产品质量进行评估、鲁棒识别和精确定位以及在工业检测平台上对机械零部件进行本地化制造和熟练操作。

在实际工业检测领域中，高性能机械零件检测方法对机器人视觉检测算法的研究和开发提出了巨大的挑战。首先，工业CCD相机视场中的机械零件通常存在由制造现场照明变化而引起大动态的外观变化。机械零件的外观变化，诸如颜色、亮度漂移和对比度的降低，必然会对工业机器人的正常检测性能产生阻碍作用。其次，待检测的机械目标可能处于静止状态或运动状态，其移动速度通常在不同工作时刻发生变化。静态/运动状态的不确定性以及移动速度的变化导致机械零件在抓取操纵过程中定位精度受到限制。第三，因为机械零部件通常是以任意方式来放置，机器人有必要识别具有不同姿势的不同类型机械零部件。另外，在CCD相机的视场中，安装在末端执行器上的手持式CCD摄像机产生移动，姿势将不可避免地发生变化。目前，虽然也有针对周围环境的大动态变化的非结构化制造条件下的视觉同步识别与定位的方法，诸如基于重量层为21层的FCN-8s架构以及其它基于更复杂的深度学习算法的模型架构的同步识别与定位方法。但上述方法的模型架构却存在下述问题：第一是在智能制造过程中希望能够快速训练模型参数，上述模型架构组成的模型参数较多，难以实现快速训练；第二是需要完全提供真实标注的训练图像，特别是对于诸如齿轮等具有复杂形状的部件，注释真实标注图像较为耗时；第三是在上述模型架构下的视觉同步识别和定位的计算消耗较大。由于存在上述问题，现有技术中的非结构化制造条件下的视觉同步识别与定位的方法，可能会恶化工业机器人视觉系统的检测性能。

发明内容

本发明的目的在于提供具有轻量级架构、可处理周围环境的大动态变化、能够应对非结构化制造条件、在保证识别和定位精度的同时计算效率较高的非结构化机器人视觉检测机械零件的同步识别与定位方法。

本发明目的是这样实现的，包括图像采集、图像预处理、识别与定位步骤，具体包括：