基于视觉的机器人快递分拣系统研究
发布时间：2023-04-05 05:45
自电商诞生以来,快递业务量与日俱增,快递企业亟待提高对快递的分拣能力。在此背景下,本文设计了一种基于视觉的机器人快递分拣系统,专门用于分拣贴有手写快递单的快递包裹。为了实现系统的设计目标,论文主要做了以下几项工作:(1)使用ABB IRB1410工业机器人、单双目摄像机、主控电脑、STM32等硬件构建了机器人分拣系统,并在串口通信和以太网通信的基础上,单独设计了一套通信协议,取得了良好的控制效果。(2)将工业机器人与机器视觉相结合,使得机器人可以定位抓取快递。通过双目标定、立体匹配、三角测量法,系统可以获得快递图像的深度信息,再根据各坐标系之间的映射关系以及手眼标定的结果,计算出快递中心点的图像坐标所对应的机器人坐标,从而驱动机器人正确抓取。(3)从快递图像中提取出了手写地址和电话。首先使用霍夫变换对快递图像进行倾斜校正,再使用OTSU阈值分割、形态学处理、连通域筛选等操作提取出完整的快递单图像。由于手写文本在快递单上的位置是确定的,故可以设置固定ROI区域提取文本,并拆分成一连串字符图片。(4)使用卷积神经网络模型对手写字符进行识别。对于分割出的手写数字图片,本文沿用了经典的LeNe...
【文章页数】：97 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 基于视觉的分拣机器人的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文的研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
2 机器人分拣系统设计
2.1 引言
2.2 系统整体规划
2.3 系统硬件组成
2.3.1 相机选型
2.3.2 光源选型
2.3.3 六轴工业机器人
2.3.4 机器人末端抓取设备配置
2.3.5 STM32控制单元
2.4 系统通信方式与软件平台
2.4.1 系统组件之间的通信方式
2.4.2 系统软件平台搭建
2.5 本章小结
3 基于双目视觉的快递定位抓取
3.1 引言
3.2 摄像机模型
3.2.1 针孔摄像机模型
3.2.2 摄像机畸变模型
3.2.3 坐标系转换
3.3 双目摄像机标定
3.3.1 双目标定方法
3.3.2 双目标定步骤及结果
3.4 快递深度信息提取
3.4.1 立体匹配的约束条件
3.4.2 立体匹配的算法
3.4.3 三角测量法
3.4.4 快递深度信息提取实验
3.5 快递定位抓取
3.5.1 手眼坐标标定
3.5.2 机器人抓取快递实验
3.6 本章小结
4 快递单图像分析及字符分割
4.1 引言
4.2 快递图像预处理
4.2.1 图像灰度化
4.2.2 图像滤波
4.2.3 图像校正
4.3 快递单目标信息提取
4.3.1 阈值分割
4.3.2 基于OTSU的全局阈值处理
4.3.3 快递单信息提取
4.4 目标字符分割
4.4.1 字符分割算法
4.4.2 本文字符分割算法
4.5 本章小结
5 基于卷积神经网络的手写字符识别
5.1 引言
5.2 字符识别技术研究
5.2.1 传统字符识别算法
5.2.2 基于深度学习的字符识别算法
5.2.3 卷积神经网络简介
5.3 实验数据集
5.3.1 MINST手写数字集
5.3.2 CASIA-HWDB脱机手写汉字集
5.4 基于卷积神经网络的手写数字识别实现
5.4.1 LeNet-5网络模型
5.4.2 卷积核数目对照实验
5.4.3 卷积核尺寸对照实验
5.4.4 激活函数对网络性能的影响
5.5 基于卷积神经网络的手写汉字识别实现
5.5.1 手写汉字识别网络模型设计
5.5.2 关于dropout的网络性能优化
5.5.3 调整网络深度对性能的影响
5.5.4 手写汉字的预测程序
5.6 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录 ASTM32控制板原理图
作者简历
本文编号：3782847
【文章页数】：97 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
1 绪论
1.1 课题研究背景及意义
1.2 基于视觉的分拣机器人的研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文的研究内容与章节安排
1.3.1 研究内容
1.3.2 章节安排
2 机器人分拣系统设计
2.1 引言
2.2 系统整体规划
2.3 系统硬件组成
2.3.1 相机选型
2.3.2 光源选型
2.3.3 六轴工业机器人
2.3.4 机器人末端抓取设备配置
2.3.5 STM32控制单元
2.4 系统通信方式与软件平台
2.4.1 系统组件之间的通信方式
2.4.2 系统软件平台搭建
2.5 本章小结
3 基于双目视觉的快递定位抓取
3.1 引言
3.2 摄像机模型
3.2.1 针孔摄像机模型
3.2.2 摄像机畸变模型
3.2.3 坐标系转换
3.3 双目摄像机标定
3.3.1 双目标定方法
3.3.2 双目标定步骤及结果
3.4 快递深度信息提取
3.4.1 立体匹配的约束条件
3.4.2 立体匹配的算法
3.4.3 三角测量法
3.4.4 快递深度信息提取实验
3.5 快递定位抓取
3.5.1 手眼坐标标定
3.5.2 机器人抓取快递实验
3.6 本章小结
4 快递单图像分析及字符分割
4.1 引言
4.2 快递图像预处理
4.2.1 图像灰度化
4.2.2 图像滤波
4.2.3 图像校正
4.3 快递单目标信息提取
4.3.1 阈值分割
4.3.2 基于OTSU的全局阈值处理
4.3.3 快递单信息提取
4.4 目标字符分割
4.4.1 字符分割算法
4.4.2 本文字符分割算法
4.5 本章小结
5 基于卷积神经网络的手写字符识别
5.1 引言
5.2 字符识别技术研究
5.2.1 传统字符识别算法
5.2.2 基于深度学习的字符识别算法
5.2.3 卷积神经网络简介
5.3 实验数据集
5.3.1 MINST手写数字集
5.3.2 CASIA-HWDB脱机手写汉字集
5.4 基于卷积神经网络的手写数字识别实现
5.4.1 LeNet-5网络模型
5.4.2 卷积核数目对照实验
5.4.3 卷积核尺寸对照实验
5.4.4 激活函数对网络性能的影响
5.5 基于卷积神经网络的手写汉字识别实现
5.5.1 手写汉字识别网络模型设计
5.5.2 关于dropout的网络性能优化
5.5.3 调整网络深度对性能的影响
5.5.4 手写汉字的预测程序
5.6 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
附录 ASTM32控制板原理图
作者简历
本文编号：3782847
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3782847.html
