[发明专利]一种基于CornerNet的智能分拣机械臂系统和抓取控制方法

权利要求书

1.一种基于CornerNet的智能分拣机械臂系统的抓取控制方法，其特征在于：包括以下步骤：

S11，摄像头采集包含目标物体和机械臂的图像，并输入中控端；

S12，基于CornerNet神经网络模型进行图像识别，并输出目标物体的类别和位置坐标；

S13,将目标物体的位置坐标与机械臂的位置信息输入BP神经网络模型，获取最佳抓取参数；

S14，机械臂根据抓取参数调整机械臂的各个舵机，并将目标物体放置到指定位置。

2.如权利要求1所述的抓取控制方法，其特征在于：所述抓取参数包括机械臂的抓取距离和机械臂的抓取方向，所述机械臂的抓取距离的对应抓取参数为机械臂各可移动部分与水平位置的夹角。

3.如权利要求2所述的抓取控制方法，其特征在于：所述机械臂的抓取距离通过4个舵机实现，4个舵机对应的可移动部分与水平位置的夹角为θ₁，θ₂，θ₃，θ₄，机械臂的抓取方向为α₁，通过以下公式获得：

S₂＝h₁cosθ₁+h₂cosθ₂+h₃cosθ₃+h₄cosθ₄

S₁＝S₂

H₁＝h₁sinθ₁+h₂sinθ₂+h₃sinθ₃+h₄sinθ₄≈0

其中，机械臂的位置坐标为(X₁,Y₁)，目标物体的位置坐标为(X₂,Y₂)；S₁为机械臂底座中心与物体中心的水平距离；S₂为机械臂底座中心和抓头位置的水平距离；h₁，h₂，h₃，h₄为为机械臂各可移动部分的长度；α₁为机械臂的抓取方向；H₁为机械臂抓头的垂直高度。

4.如权利要求1所述的抓取控制方法，其特征在于：所述CornerNet神经网络模型通过物体识别训练获得，所述物体识别训练，包括:

S21，将带有标签的样本图像作为训练集，在服务器端迭代训练CornerNet神经网络；

S22，将包含目标物体的图像输入到训练完成的CornerNet神经网络模型，由CornerNet模型输出目标物体的类别和位置坐标，进行验证。

5.如权利要求1所述的抓取控制方法，其特征在于：所述BP神经网络模型通过机械臂的仿真训练和真实抓取训练获得，包括:

S31，仿真训练，输入目标物体的类别和位置坐标，获取抓取参数；

S32，机械臂根据抓取参数执行对应的抓取动作；

S33，抓取结果评价，并将评价结果传回BP神经网络模型对模型进行奖惩。