【技术实现步骤摘要】
基于生存对抗的工业机器人视觉图像识别方法及系统
本专利技术属于机器人视觉图像处理领域,具体涉及了一种基于生存对抗的工业机器人视觉图像识别方法、系统、装置。
技术介绍
机器人飞速发展的今天,工业机器人在制造业中的应用也越来越广泛。如汽车及汽车零部件制造、机械加工、电子电气生产、橡胶及塑料制造、食品加工、木材与家具制造等领域的自动化生产过程中,机器人作业发挥着重要作用。机器人对工业零件的抓取是制造业的自动化生产中一项常见的任务。目前,视觉引导与定位技术成为工业机器人获得作业周围环境信息的主要手段。工业环境中环境光的变化以及各种噪声,例如高斯噪声、模糊等,大大降低了工件识别的精度,因此,需要对各种复杂的环境下获得的机器人视觉图像进行预处理。现有的工业机器人视觉图像预处理方法不能处理各种不同类型干扰的图像,并且对于清晰无干扰的图像也需要进行预处理,这大大降低了图像识别和定位的效率,占用系统资源多。
技术实现思路
为了解决现有技术中的上述问题,即现有技术无法针对不同类型的干扰以及对于无干扰图像进行处理导致效率低的问题,本专利技术提供了一种基于生存对抗的工业机器人视觉图像识别方法,该视觉图像识别方法包括:步骤S10,获取工业机器人视觉图像作为输入图像,获取各工件对应的清晰图像作为各模板图像;步骤S20,通过模板匹配方法进行所述输入图像与各模板图像的匹配,若能够匹配,则与所述输入图像匹配的模板图像对应的工件类型为所述输入图像对应的识别结果;否则,跳转步骤S30;步骤S30,获取所述输入图 ...
【技术保护点】
1.一种基于生存对抗的工业机器人视觉图像识别方法,其特征在于,该视觉图像识别方法包括:/n步骤S10,获取工业机器人视觉图像作为输入图像,获取各工件对应的清晰图像作为各模板图像;/n步骤S20,通过模板匹配方法进行所述输入图像与各模板图像的匹配,若能够匹配,则与所述输入图像匹配的模板图像对应的工件类型为所述输入图像对应的识别结果;否则,跳转步骤S30;/n步骤S30,获取所述输入图像对应的干扰类型,并通过图像还原网络获取所述输入图像对应的还原图像;/n步骤S40,将所述还原图像替换其对应的输入图像并跳转步骤S20;/n其中,所述图像还原网络包括各类型干扰对应的图像还原子网络;所述图像还原子网络基于生成对抗网络构建,并分别以不同类型的干扰图像及其对应的清晰图像作为训练样本对集进行训练。/n
【技术特征摘要】
1.一种基于生存对抗的工业机器人视觉图像识别方法,其特征在于,该视觉图像识别方法包括:
步骤S10,获取工业机器人视觉图像作为输入图像,获取各工件对应的清晰图像作为各模板图像;
步骤S20,通过模板匹配方法进行所述输入图像与各模板图像的匹配,若能够匹配,则与所述输入图像匹配的模板图像对应的工件类型为所述输入图像对应的识别结果;否则,跳转步骤S30;
步骤S30,获取所述输入图像对应的干扰类型,并通过图像还原网络获取所述输入图像对应的还原图像;
步骤S40,将所述还原图像替换其对应的输入图像并跳转步骤S20;
其中,所述图像还原网络包括各类型干扰对应的图像还原子网络;所述图像还原子网络基于生成对抗网络构建,并分别以不同类型的干扰图像及其对应的清晰图像作为训练样本对集进行训练。
2.根据权利要求1所述的基于生存对抗的工业机器人视觉图像识别方法,其特征在于,步骤S20中“通过模板匹配方法进行所述输入图像与各模板图像的匹配”,其方法为:
步骤S21,通过模板匹配方法分别计算所述输入图像与各模板图像中每一个模板图像的归一化互相关值;
步骤S22,若所述归一化互相关值中的最大值大于设定第一阈值,则所述最大值对应的模板图像与所述输入图像匹配。
3.根据权利要求1所述的基于生存对抗的工业机器人视觉图像识别方法,其特征在于,步骤S21中“计算所述输入图像与各模板图像中每一个模板图像的归一化互相关值”,其方法为:
其中,N=xy,分别代表输入图像、模板图像窗口的平均灰度值,Image1、Image2分别代表输入图像、模板图像中当前像素点(x,y)的灰度值。
4.根据权利要求1所述的基于生存对抗的工业机器人视觉图像识别方法,其特征在于,步骤S20之前还设置有输入图像匹配效率提升的步骤,其方法为:
将所述输入图像构建为高斯金字塔;所述高斯金字塔中分辨率较低的图像用于搜索目标对象,实现快速匹配;所述高斯金字塔中分辨率较高的图像用于搜索深度细节,实现精细匹配。
5.根据权利要求1所述的基于生存对抗的工业机器人视觉图像识别方法,其特征在于,所述图像还原网络中任意一个干扰类型对应的图像还原子网络,其训练方法为:
步骤B10,获取当前干扰类型对应的带干扰图像及对应的清晰图像作为训练样本对集;基于生成对抗网络构建图像还原子网络;
步骤B20,随机选取所述训练样本对集中一个训练样本对,并将该训练样本对中的带干扰图像生成样本还原图像;
步骤B30,计算所述样本还原图像与对应的清晰图像之间的总损失函数值;
步骤B40,若所述总损失函数值大于设定第二阈值,则更新所述图像还原子网络的参数,跳转步骤B20;
步骤B50,重复执行步骤B20-步骤B40直至达到预设的训练次数,获得当前干扰类型对应的图像还原子网络。
6.根据权利要求5所述的基于生存对抗的工业机器人视觉图像识别方法,其特征在于,所述总损失函数为:
Lall(G,Dz,F,Dx)=LGAN(G,Dz)+LGAN(F,Dx)+αLcys(G,F)+βLident...
【专利技术属性】
技术研发人员:李玉苹,蒋应元,聂祥丽,乔红,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京;11
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。