【技术实现步骤摘要】
基于图像分析的机器人自动搬运方法、系统和存储介质
本专利技术涉及机器人
，具体为一种基于图像分析机器人自动搬运方法、系统和存储介质。
技术介绍
在工业生产中经常需要进行物料搬运，传统的物料搬运往往通过人工进行，然而随着机器人技术的日益成熟，越来越多的物料搬运工作交由机器人完成，从而实现了物料搬运过程的自动化。现有的通过机器人进行物料搬运的技术中，主要通过在需要搬运的货物上设置相应的识别码，例如ARtag码、iBeacon标签或者射频标签等，然后通过设置的摄像头扫描上述识别码；在得到上述识别码后，上传信息在数据库中匹配搜索，从而得到该货物的相应参数，例如形状、颜色和装载物件等信息。当得到货物的相应参数后，控制机器人调整相应的搬运姿态和搬运速度，从而保证货物的高效稳定搬运。然而，对于工业生产中现场环境较为复杂，通常货物码放较为混乱，从数据库得到的货物参数并不能有效模拟现场货物的码放环境，导致现场工作的机器人搬运货物的效率和准确性不高，机器人并不能有效地感知现场实际环境，根据现场实际环境进行货物搬运。...
【技术保护点】
1.一种基于图像分析的机器人自动搬运方法，其特征在于，包括：/n获取参考物料的图像训练集；/n使用所述图像训练集训练构建的深度卷积神经网络，得到与所述参考物料对应的神经网络模型；/n控制机器人获取实际搬运物料的物料图像；/n使用所述神经网络模型对所述实际搬运物料的物料图像进行物料特征匹配，得到所述实际搬运物料的物料种类；/n对所述实际搬运物料的物料图像进行坐标定位，得到所述实际搬运物料的空间坐标；/n根据所述实际搬运物料的物料种类和空间坐标，计算所述机器人的物料搬运移动参数；/n按照所述物料搬运移动参数，控制所述机器人搬运所述物料。/n
【技术特征摘要】
1.一种基于图像分析的机器人自动搬运方法，其特征在于，包括：
获取参考物料的图像训练集；
使用所述图像训练集训练构建的深度卷积神经网络，得到与所述参考物料对应的神经网络模型；
控制机器人获取实际搬运物料的物料图像；
使用所述神经网络模型对所述实际搬运物料的物料图像进行物料特征匹配，得到所述实际搬运物料的物料种类；
对所述实际搬运物料的物料图像进行坐标定位，得到所述实际搬运物料的空间坐标；
根据所述实际搬运物料的物料种类和空间坐标，计算所述机器人的物料搬运移动参数；
按照所述物料搬运移动参数，控制所述机器人搬运所述物料。
2.根据权利要求1所述的机器人自动搬运方法，其特征在于，所述获取参考物料的图像训练集的步骤，包括：
选取包含有不同种类参考物料，摄取每种参考物料的一张或多张物料图像；
标记每张所述物料图像对应的物料种类；
分别保存每一物料种类的参考物料对应所有的物料图像，得到所述图像训练集。
3.根据权利要求1所述的机器人自动搬运方法，其特征在于，所述使用图像训练集训练构建的深度卷积神经网络，得到与所述参考物料对应的神经网络模型的步骤，包括：
对所述参考物料的图像训练集进行多次卷积操作，得到所述参考物料的特征图像；
压缩所述参考物料的特征图像，得到每张特征图像包含的所有物料特征；
提取同一物料种类的参考物料所对应的所有物料特征；
使用多种所述参考物料中每一类参考物料的所有物料特征，建立所述神经网络模型。
4.根据权利要求1所述的机器人自动搬运方法，其特征在于，所述对所述实际搬运物料的物料图像进行坐标定位，得到所述实际搬运物料的空间坐标的步骤，包括：
建立所述机器人中摄像机的相机坐标系；
使用所述相机坐标系，标记所述物料图像中物料轮廓上各点的相机坐标；
选取所述实际搬运物料所在空间中的一固定点作为坐标原点，建立空间坐标系；
计算得到相机坐标系与所述空间坐标系之间的坐标映射系数；
使用所述坐标映射系数，将所述物料轮廓上各点的相机坐标转换为所述空间坐标系下的空间坐标，得到所述实际搬运物料的空间坐标。
5.根据权利要求1所述的机器人自动搬运方法，其特征在于，所述根据实际搬运物料的物料种类和空间坐标，计算所述机器人的物料搬运移动参数的步骤，包括：
将所述机器人的机械臂的姿势调整至所述实际搬运物料的搬运姿势；
按照所述机器人的机械臂的空间坐标和所述实际搬运物料的空间坐标，计算所述机器人的机械臂与所述实际搬运物料的空间距离；
根据所述机器人的机械臂与所述实际搬运物料的空间距离，以及所述实际搬运物料的物料种类，计算得到对应搬运姿势...
【专利技术属性】
技术研发人员：刘文臣，孙乐美，
申请(专利权)人：山东电子职业技术学院，
类型：发明
国别省市：山东;37
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。