一种基于无标牌定位的视觉定位装置及方法制造方法及图纸

本发明专利技术提供了一种基于无标牌定位的视觉定位装置及方法。该装置包括云台相机和视觉服务器，云台相机采集被测物体的图像信息，然后将图像信息传输至视觉服务器中进行处理。首先将需要定位的目标物体进行分类标注，制作yolov3模型训练所需的数据集；然后训练模型，并根据待测样本定位的置信度二次确认定位结果，输出最终位置坐标及类别并保存到视觉服务器中。本发明专利技术无需依赖标牌，避免了因标牌掉落、掉漆、被遮挡而导致的定位失败、耗费人力等问题。题。题。

【技术实现步骤摘要】
一种基于无标牌定位的视觉定位装置及方法


[0001]本专利技术属于机器人视觉定位领域，具体说是一种基于无标牌定位的视觉定位装置及方法。

技术介绍

[0002]在特种机器人、工业机器人及服务型等机器人的应用中，图像识别是不可或缺的功能之一。在图像识别中，首先要解决的是对待测目标进行定位。目前大多采取根据标牌坐标对目标进行定位，但标牌的掉落、掉漆、被其它物体覆盖等都会对目标定位识别产生影响，且标牌维护需要耗费不必要的人力和时间。传统的目标定位算法无法灵活应用于复杂场景，在图像成像质量较差和拍摄角度不佳等情况下，难以实现精准定位。

技术实现思路

[0003]为解决上述技术问题，本专利技术将传统图像识别算法和深度学习算法相结合，提出了一种基于无标牌定位的视觉定位装置及方法，该方法可用于复杂场景的目标定位，解决了传统方法目标单一、抗干扰能力差的问题；同时，避免了依赖标牌、因标牌掉落、被遮挡等情况而造成定位失败。
[0004]本专利技术采用的技术方案为：一种基于无标牌定位的视觉定位装置，该装置包括：云台相机和视觉服务器。云台相机与视觉服务器通过TCP/IP协议进行信息传输。云台相机用来采集被测物体的图像信息，然后将图像信息传送到视觉服务器中进行图像处理，通过本专利技术的定位方法对待测目标进行定位。
[0005]基于上述基于无标牌定位的视觉定位装置，提出了一种基于无标牌定位的视觉定位方法，该方法将传统图像识别算法与深度学习算法相结合，首先通过图像识别算法对视觉服务器中的图像进行预处理，扩展图像边界；然后分类标注图片样本集，并以此作为输入，训练yolov3模型，并根据待测样本定位的置信度二次确认定位结果，并输出最终位置坐标及类别；最后将图像中待测物体的位置信息和类别传送给图像识别程序，完成待测目标的识别。
[0006]所述预处理主要包括滤波、边界扩展等操作，通过预处理获取训练模型所需的输入样本，使其满足模型yolov3中的输出维度batch_size长宽比，减少噪声、图像大小对后续定位结果的影响。
[0007]与现有标牌定位方法相比，本专利技术具有以下有益效果：1）与传统图像识别定位技术相比，本专利技术可以应用于复杂场景，解决了目标单一、背景单一的问题，避免了重复开发；2）与标牌定位技术相比，本专利技术无需依赖标牌，避免了因标牌掉落、掉漆、被遮挡而导致定位失败、耗费人力等问题；3）本专利技术不受复杂背景干扰，鲁棒性强，可移植性高。
附图说明
[0008]图1为本专利技术整体算法流程图。
[0009]图2为本专利技术定位结果图。
具体实施方式
[0010]下面结合附图和实施例对本专利技术做进一步详细说明；一种基于无标牌定位的视觉定位装置，该装置包括：云台相机和视觉服务器。云台相机与视觉服务器通过TCP/IP协议进行信息传输。云台相机用来采集被测物体的图像信息，然后将图像信息传送到视觉服务器中进行图像处理，通过本专利技术的定位方法对待测目标进行定位。
[0011]基于上述基于无标牌定位的视觉定位装置，提出了一种基于无标牌定位的视觉定位方法，如图1所示，该方法将传统图像识别算法与深度学习算法相结合，具体过程包括以下步骤：步骤一：收集定位点的历史图像，以这些历史图像作为原始素材，对其进行预处理，扩展图像边界，使其满足模型yolov3中的输出维度batch_size长宽比；其中，是扩展之后的图像像素值；比较图像的长和宽，若>，则将宽的大小设为与长度一样，其像素值设为0，反之亦然；原图像的像素值保持不变。
[0012]步骤二：对预处理后的图像样本集进行分类标注，得到标注类型及标注框boundbox，boundbox的坐标为，其中为左上角坐标，为右下角坐标；将boundbox坐标转换为，为检测目标中心点坐标，为目标的高和宽度。按比例将样本集划分为训练集和测试集。
[0013]步骤三：通过k
‑
means聚类算法获得416*416图像的anchor box尺寸大小，并修改相应参数。将训练集的图像作为输入训练yolov3模型，当模型的损失函数趋于收敛时，开始边训练边测试，以测试集上准确率最高的权重参数文件作为最终的分类模型。
[0014]步骤四：利用云台相机采集需要定位的视频图像，并将图像传输到视觉服务器中，处理获取k张待测图像dst，并对其进行步骤一中的预处理。
[0015]步骤五：分别将k张待测图像dst作为输入，利用步骤三获取的权重文件作为分类模型进行预测，初步判断每一张待测图像是否定位成功。
[0016]步骤六：综合k张待测图定位的置信度，二次确认定位结果，并输出最终坐标位置及类别，其中为定位框左上角坐标，为框的宽度和高度，c为类别。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无标牌定位的视觉定位装置，其特征在于：该装置包括云台相机和视觉服务器，不需要定制大量的定位标牌；云台相机与视觉服务器通过TCP/IP协议进行信息传输，云台相机采集图像，通过图像处理与深度学习算法相结合，进行无标牌定位，并将得到的位置信息与类别保存到视觉服务器中。2.一种基于权利要求1所述基于无标牌定位的视觉定位装置的定位方法，其特征在于：该方法包括以下步骤：步骤一：收集定位点的历史图像，以这些历史图像作为原始素材，对其进行预处理，扩展图像边界，使其满足模型yolov3中的输出维度batch_size长宽比；其中，是扩展之后的图像像素值；比较图像的长和宽，若>，则将宽的大小设为与长度一样，其像素值设为0，反之亦然；原图像的像素值保持不变；步骤二：对预处理后的图像样本集进行分类标注，得到标注类型及标注框boundbox，boundbox的坐标为，其中为左上角坐标...

【专利技术属性】
技术研发人员：裴文良，杨帆，陈林坤，严海鹏，申龙，张彩江，熊文莉，谢海峰，
申请(专利权)人：中信重工开诚智能装备有限公司，
类型：发明
国别省市：