基于机器人视觉的钢板件检测、位姿估计与抓取

发布时间：2021-05-22 04:55

　　三维物体检测与位姿估计是机器人感知环境的基础,它赋予机器人一定的“智能”,在无人干扰的情况下实现物体上下料、装配、搬运等任务。然而,当机器人处在非结构环境下时,同种或不同种物体之间的无序交错堆叠、相互遮挡,给物体检测和位姿估计带来了非常大的困难。因此,本课题研究一种三维物体检测、位姿估计与抓取的方法,可使机器人在上述复杂的情况下仍能完成任务,并针对钢板抓取这一实际应用展开研究。本文的主要工作包括以下几个方面:1)针对SSD网络中小物体检测性能的缺失,提出了一种改进特征融合的SSD物体检测算法,有效的提升了小物体的检测性能。文章通过使用反卷积将具有强语义信息的高层特征添加到低层特征层中,并结合跳跃连接加速网络训练,提升物体检测能力;且在各特征层融合处,利用神经网络自动学习的特点,提出自适应加权连接。2)为降低模板匹配中的重复识别和误识别结果,提出了一种目标物体感兴趣区域的模板匹配算法。本文利用改进的SSD获取物体的感兴趣区域,且只在感兴趣区域内使用模板匹配,实现了物体误识别率的降低。为进一步去除物体局部误识别,通过改进模板聚类的方法,提出了一种基于相似空间位置的模板聚类方法。3)针对三维... 

【文章来源】：广东工业大学广东省

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景与研究意义
    1.2 国内外研究现状
    1.3 主要研究内容
第二章 基于深度学习的物体检测
    2.1 概述
    2.2 基本理论
        2.2.1 物体检测基本流程
        2.2.2 卷积神经网络
        2.2.3 SSD:单发多框检测器
    2.3 基于深度学习的改进特征融合SSD物体检测方法
        2.3.1 SSD网络改进研究
        2.3.2 反卷积与跳跃连接
        2.3.3 网络改进结构
        2.3.4 网络训练步骤
    2.4 实验结果与分析
        2.4.1 不同层融合效果对比
        2.4.2 物体检测精度对比
        2.4.3 运行时间
        2.4.4 检测结果可视化
    2.5 本章小结
第三章 基于模板匹配的精确物体检测
    3.1 概述
    3.2 改进特征融合SSD物体检测预处理
    3.3 LineMOD算法原理与模板采集
    3.4 LineMOD算法实现与改进
        3.4.1 基于相似空间的模板聚类
        3.4.2 非极大值抑制
    3.5 本章小结
第四章 物体位姿估计
    4.1 概述
    4.2 一种平面物体的粗糙位姿估计方法
    4.3 基于LineMOD算法的精细位姿估计
        4.3.1 初始位姿估计
        4.3.2 点云预处理
        4.3.3 ICP方法原理
        4.3.4 基于ICP算法从粗到精的位姿修正
    4.4 位姿验证
    4.5 实验与结果分析
        4.5.1 模型训练与评价指标
        4.5.2 目标物体识别率分析
        4.5.3 与主流方法对比实验
        4.5.4 检测与位姿估计可视化
    4.6 本章小结
第五章 视觉引导下的机器人钢板抓取
    5.1 概述
    5.2 机器人抓取系统的硬件组成
    5.3 机器人抓取系统的软件框架
        5.3.1 软件平台
        5.3.2 图像采集模块
        5.3.3 物体检测与位姿估计模块
        5.3.4 轨迹规划与执行模块
    5.4 机器人抓取位姿的生成
    5.5 钢板抓取策略
        5.5.1 第一次拍摄处理
        5.5.2 第二次拍摄处理
    5.6 钢板抓取实验
        5.6.1 四种钢板抓取实验截图
        5.6.2 四种钢板抓取成功率分析
        5.6.3 钢板位姿估计误差分析
    5.7 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
致谢



本文编号：3201023