基于视觉与激光结合的堆叠工件快速定位方法

发布时间：2024-05-16 02:08

　　针对机械手对复杂工况下的工件进行自动抓取时精度较低的问题,提出一种采用改进SSD卷积神经网络算法配合多激光传感的方法,对堆叠情况下的工件进行快速精确定位。采用SSD算法融合多视窗检测方法,对视觉获取的RGB图片进行检测,获取工件水平位置信息;结合主动跟踪激光传感系统,获取工件表面的法向量,确定工件的空间位姿。搭建了硬件实验平台,在此平台上开发了一套视觉与激光融合的工件定位抓取系统,并以非标零件为实验对象在堆叠情况下进行多组实验,在模拟车间自然光照环境下,工件识别率95.4%,平均耗时为40ms,工件识别的平均坐标偏差1.86mm,法向量平均偏差为1.39°,机器人抓取率为98.2%,实验结果表明,该方法定位准确,速度快,在自动化生产线上具有可行性。

【文章页数】：5 页

【部分图文】：

图1硬件平台

在模拟车间自然光照环境下,本文搭建的实验平台如图1所示。主要包括一个CCD工业相机(型号:维视MV-VD120SC,分辨率:1600×1200,镜头焦距:8mm,帧率:20fps),计算机(硬件配置:主频3.4GHz的i7处理器,16GB内存,显存6G的英伟达GTX-1060显....

图2SSD算法结构图

SSD算法由4部分组成:基础网络VGG-16部分,附加特征提取层部分,原始包围框生成部分和卷积预测部分[11]。具体网络结构如图2所示。2.2图像采集及预处理

图3样本采集与标签制作

SSD算法是经过特定的图像数据和相应的标注进行预处理的,不适用于直接为其他图像数据进行目标检测。由于训练样本将最直接影响检测器的效果,本文选取的训练样本应尽可能覆盖检测中出现的各种情况,包括随机平放、随机倾斜、随机堆叠等情况。利用工业相机,拍摄处于不同位姿的工件样本图像600张,....

图4多视窗检测模型

多视窗检测模型的实现主要分为两个模块:多视窗模块和融合模块[12]。具体结构如图4所示。(1)多视窗模块

本文编号：3974540