一种物体检测方法及智能机械臂技术

本发明专利技术适用于自动化技术领域，提供了一种物体检测方法及智能机械臂，所述方法包括：采集被测物体的图像；根据所述图像，提取被测物体的形状特征参数；根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。通过本发明专利技术可以有效检测到被测物体是否发生意外损坏，保证了被加工物体的完整性，提高了加工效率，节省了工序时间。

【技术实现步骤摘要】
一种物体检测方法及智能机械臂
本专利技术属于自动化
，尤其涉及一种物体检测方法及智能机械臂。
技术介绍
机器视觉是图像技术、模式识别技术，以及计算机技术发展的产物，是实现智能化、自动化、信息化的先进
机械臂是一种模仿人手的机械结构，是一个复杂系统，具有独特的操作灵活性。在机械工艺加工过程中，所加工的不同形状的工件，是由许多表面以各种不同的组合形式构成的，对工件的各表面尺寸以及工件形状都有严格的要求，若工件的尺寸、形状或质量不合格则会影响下一步的加工工序，甚至耽误整个加工过程。在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来代替人工视觉实现对工件的检测。例如：零件装配完整性、装配尺寸精度、零件加工精度、位置/角度测量、零件识别等。目前，工件在流水线进行加工时，若被加工物体发生意外破损，继续加工会影响后续的工步，对整体的效果也会产生不同程度的影响，同时浪费大量的时间。为了使机械臂更加智能化，现有技术中在视觉识别参与的检测拿取过程中，往往只能识别到目标物的位置，无法检测到被加工物体是否发生意外破损，无法保证被加工物体的完整性。
技术实现思路
有鉴于此，本专利技术实施例提供了一种物体检测方法及智能机械臂，以解决现有技术中无法检测被加工物体是否发生意外破损，无法保证被加工物体完整性的问题。本专利技术实施例的第一方面提供了一种物体检测方法，包括：采集被测物体的图像；根据所述图像，提取被测物体的形状特征参数；根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。本专利技术实施例的第二方面提供了一种物体检测装置，包括：第一图像采集单元，用于采集被测物体的图像；信息提取单元，用于根据所述图像，提取被测物体的形状特征参数；第一处理单元，用于根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。本专利技术实施例的第三方面提供了一种智能机械臂，包括：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述物体检测方法的任一步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，包括：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述物体检测方法的任一步骤。本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例通过智能机械臂采集被测物体的图像，根据图像提取形状特征参数，根据形状特征参数与标准的形状数值是否一致，判断被测物体是否有损坏，保证了被加工物体的完整性，提高了工件的加工效率，节省了加工工序的时间。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的物体检测方法的实现流程示意图；图2是本专利技术实施例提供的采集被测物体图像方法的实现流程示意图；图3是本专利技术实施例提供的物体检测另一方法的实现流程示意图；图4是本专利技术实施例提供的物体检测装置的示意图；图5是本专利技术实施例提供的智能机械臂的示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。参见图1，是本专利技术实施例提供的物体检测方法的实现流程示意图，该方法应用于智能机械臂，如图所示该方法可以包括以下步骤：步骤S101，采集被测物体的图像。在本专利技术实施例中，被测物体可以是具有规则形状的物件，也可以是不规则形状的物件；所述的图像采集可以通过摄像机、红外线、数字扫描仪或非接触式传感器等实现，但不仅限于上述采集方式；所述采集到的图像包括被测物体的物理图像以及数字图像的获取。需要说明的是，被测物体的图像的采集不限于单张图像，可以是不同角度或多个方位的多张图像，根据被测物体独有的特征，采集所需要的一张或多张图像信息；例如：外形规则且较为简单的物体，采集一张图片就可以提现整个物体的信息；但是一些外形不规则或者由多个物件组合构成的物体，则需要采集多张不同角度或方位的图像，才能提现被测物体的综合图像信息。进一步的，如图2所示的本专利技术实施例提供的采集被测物体图像方法的实现流程示意图，所述的采集被测物体的图像包括以下步骤：步骤S111，获取所述被测物体的形状类型，根据所述形状类型确定拍摄的最小旋转角度。在本专利技术实施例中，所述的形状类型包括但不仅限于具有规则外形的圆柱体、圆锥体或长方体等多面体，以及具有不规则外形的多个工件的组合体；根据被测物体的形状类型，确定拍摄的最小旋转角度，例如：对于具有规则外形的长方体，可以将拍摄的最小角度设定为90度；对于外形不规则的多面体，则根据多面体的外形特征自动设定拍摄的最小旋转角度。需要说明的是，所述实现上述方法的智能机械臂可以根据所拍摄过的物件不断训练学习，对被测物体的形状类型进行分类，并自动设定拍摄不同类型的被测物体的最小旋转角度。步骤S112，获取所述被测物体当前的摆放状态，确定初始拍摄角度。在本专利技术实施例中，物体的摆放状态可以是竖直摆放或横向摆放；所述的初始拍摄角度根据选定被测物体的某一个基准面确定的拍摄角度，根据物体的摆放状态确定摄像头的初始拍摄角度。步骤S113，以所述被测物体为中心，按照所述初始拍摄角度和所述最小旋转角度，每旋转一最小旋转角度时拍摄一张包括被测物体的图像，获取多张包括所述被测物体的图像。在本专利技术实施例中，按照确定的初始拍摄角度对被测物体进行拍摄，继续按着最小的旋转角度，每旋转一个最小角度采集一张被测物体图像，直到旋转一圈，获取多张包括被测物体的图像；例如：对于不规则多面体，根据某一个面确定最小的旋转角度，根据最小旋转角度获取不规则多面体全面的不同角度的图像。步骤S102，根据所述图像，提取被测物体的形状特征参数。在本专利技术实施例中，根据被测物体的图像信息，提取被测物体的形状特征参数，是从二维图像中反映物体的三维形状特征，是以图像中的物体或区域的划分为基础实现的；形状特征的提取包括被测物体图像轮廓特征的提取和区域特征的提取；其中，可以通过边界特征法或几何参数法或形状不变矩法或小波描述法等实现被测物体形状轮廓特征以及区域特征的提取；或者根据采集图像的摄影设备的参数，建立完整的数学模型对被测目标进行全面的描述，并将多张图像进行尺寸匹配，最后得到被测物体的形状特征参数。另外，根绝图像提取被测物体的形状特征参数，还需要对图像进行分割，图像的分割效果也会影响到形状特征的提取。例如：首先对图像进行自动分割，划分出图像中所包含的对象或颜色区域，然后根据这些区域提取图像的形状特征，并建立索引；或者将图像均匀的划分为若干规则子快，然后对每个子快进行特征提取，并建立索引。步骤S103，根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。在本专利技术实施例中，所述形状本文档来自技高网...

【技术保护点】
一种物体检测方法，应用于智能机械臂，其特征在于，包括：采集被测物体的图像；根据所述图像，提取被测物体的形状特征参数；根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。

【技术特征摘要】
1.一种物体检测方法，应用于智能机械臂，其特征在于，包括：采集被测物体的图像；根据所述图像，提取被测物体的形状特征参数；根据所述形状特征参数与预设的标准形状数值是否一致，判断被测物体是否损坏。2.如权利要求1所述的物体检测方法，其特征在于，所述物体检测方法还包括：获取被测物体的重量；根据所述重量与预设的重量阈值是否一致，判断被测物体是否损坏。3.如权利要求1所述的物体检测方法，其特征在于，所述采集被测物体的图像包括：获取所述被测物体的形状类型，根据所述形状类型确定拍摄的最小旋转角度；获取所述被测物体当前的摆放状态，确定初始拍摄角度；以所述被测物体为中心，按照所述初始拍摄角度和所述最小旋转角度，每旋转一最小旋转角度时拍摄一张包括被测物体的图像，获取多张包括所述被测物体的图像。4.如权利要求1所述的物体检测方法，其特征在于，所述根据所述形状特征参数与预设的标准数值是否一致，判断被测物体是否损坏包括：采集所述被测物体的不同摆放状态的图像；将所述不同摆放状态的图像分别与预设的标准数值进行比较，判断所述被测物体是否损坏。5.如权利要求1所述的物体检测方法，其特征在于，所述物体检测方法还包括：采集被测物体的俯视图像、左视图像和右视图像；根据所述俯视图像、所述左视图像和所述右视图像，结合拍摄图像的相机的参数，计算被测物体的体积特征参数；根据所...

【专利技术属性】
技术研发人员：刘主福，郎需林，刘培超，
申请(专利权)人：深圳市越疆科技有限公司，
类型：发明
国别省市：广东,44