【技术实现步骤摘要】
一种货箱对位方法及机器人
本专利技术涉及机器人
，尤指一种货箱对位方法及机器人。
技术介绍
近年来，随着机器人技术的发展和人工智能研究不断深入，智能机器人在人类生活中扮演越来越重要的角色，在诸多领域得到广泛应用。机器人在进行自动装卸货的过程中，需要对货箱进行精准的对位。目前，一般采用红外对位或者标签对位，红外对位需要使用红外收发装置，容易出现不稳定的情况；标签对位需要在货箱上粘贴标签显得太突兀。因此，本领域亟需实现一种新的货箱对位方法。
技术实现思路
本专利技术的目的是提供一种货箱对位方法及机器人，不仅克服了红外对位或者标签对位进行货箱对位所存在的缺陷，还提高了货箱对位的准确度。本专利技术提供的技术方案如下：本专利技术提供一种货箱对位方法，包括步骤：构建货箱图像样本库，在所述货箱图像样本库中货箱图像样本上标记货箱关键点；训练检测货箱图像样本并回归货箱关键点的算法模型，在训练算法模型时进行货箱图像样本检测与货箱关键点回归；利用训练后的算法模型检测货箱图像并回归货箱关键点，根据回归后的货箱关键点的货箱关键点位置和相机内参，计算出相机的相机位置；根据所述货箱关键点位置...
【技术保护点】
1.一种货箱对位方法，其特征在于，包括步骤：构建货箱图像样本库，在所述货箱图像样本库中货箱图像样本上标记货箱关键点；训练检测货箱图像样本并回归货箱关键点的算法模型，在训练算法模型时进行货箱图像样本检测与货箱关键点回归；利用训练后的算法模型检测货箱图像并回归货箱关键点，根据回归后的货箱关键点的货箱关键点位置和相机内参，计算出相机的相机位置；根据所述货箱关键点位置与所述相机位置的相对位置，进行货箱对位导航。
【技术特征摘要】
1.一种货箱对位方法，其特征在于，包括步骤：构建货箱图像样本库，在所述货箱图像样本库中货箱图像样本上标记货箱关键点；训练检测货箱图像样本并回归货箱关键点的算法模型，在训练算法模型时进行货箱图像样本检测与货箱关键点回归；利用训练后的算法模型检测货箱图像并回归货箱关键点，根据回归后的货箱关键点的货箱关键点位置和相机内参，计算出相机的相机位置；根据所述货箱关键点位置与所述相机位置的相对位置，进行货箱对位导航。2.根据权利要求1所述的货箱对位方法，其特征在于，在所述的训练检测货箱图像样本并回归货箱关键点的算法模型之后还包括步骤：检测货箱图像样本的全局货箱关键点；根据所述货箱图像样本上回归的货箱关键点与所述全局货箱关键点，对回归的货箱关键点的货箱关键点位置进行优化；根据优化后的货箱关键点的货箱关键点位置，选择距离所述全局货箱关键点最近的货箱关键点更替所述货箱图像样本上回归的货箱关键点。3.根据权利要求2所述的货箱对位方法，其特征在于，所述检测货箱图像的全局货箱关键点具体包括步骤：构建一个具有货箱图像样本中货箱关键点的数据集，使用所述货箱关键点来训练检测器；对未被标记的货箱图像样本进行单应变换，使用训练后的检测器来检测变换后的货箱图像样本，进而在货箱图像样本中标记货箱关键点；结合在货箱图像样本中标记的所述货箱关键点和描述符来训练全卷积神经网络，得到关键点检测器；利用所述关键点检测器检测货箱图像样本的全局货箱关键点。4.根据权利要求1-3任一项所述的货箱对位方法，其特征在于，所述的在训练算法模型时进行货箱图像样本检测与货箱关键点回归具体包括步骤：生成货箱图像样本的候选窗和边框回归向量，使用边框回归对候选窗进行校准，使用非极大值抑制合并重叠的候选框；从抑制合并重叠后的候选框中，拒绝掉假的候选框后；再次使用边框回归对候选窗进行校准，使用非极大值抑制合并重叠的候选框；根据再次使用非极大值抑制合并重叠后的候选框，输出所述货箱图像样本和多个货箱关键点，以及多个货箱关键点在所述货箱图像样本中的货箱关键点位置。5.根据权利要求1-3任一项所述的货箱对位方法，其特征在于，所述的根据回归后的货箱关键点的货箱关键点位置和相机内参，计算出相机的相机位置具体包括步骤：选取世界坐标下的四个回归后的货箱关键点坐标，通过货箱特征点在相机平面的投影关系、及与所述货箱关键点的权重关系，计算得到所述货箱关键点的相机平面坐标；根据所述货箱关键点的相机平面坐标，求出相机的相机位置；其中，所述货箱特征点是指所述货箱上贴有颜色对比鲜明的标记带所形成的四个角点；所述货箱关键点是指所述货箱特征点在所述货箱图像或货箱图像样本上对应的点。6.一种机器...
【专利技术属性】
技术研发人员：张雷，
申请(专利权)人：江苏木盟智能科技有限公司，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。