【技术实现步骤摘要】
多种类工业零件堆叠场景的仿真数据集生成方法及装置
本专利技术涉及深度学习
，尤其设计多种类工业零件堆叠场景的仿真数据集生成方法及装置。
技术介绍
近年来，面向工业零件理解的深度学习神经网络技术获得了较快的研究和应用，如语义识别、个体分割、位姿估计和机械臂抓取等。训练神经网络需要大量的训练数据，而目前通过手动标注训练数据集的方法过于繁琐和困难，且容易产生误差，难以有效生成大批量数据。因此，具有自动标注能力的仿真数据生成方法显得必要且急迫，能大大促进学习类技术在工业领域的进一步发展。多种类零件的堆叠场景是指来自多个种类的零件杂乱地堆叠在一起形成的场景，其中的零件可能会来自相同的参数化零件模板，但参数值不同，或者属于不同种类的参数化模板。产品零件的拆解回收场景就是典型的多种类零件堆叠场景。拆解下来的工业零件一般属于不同种类，并散乱堆叠于物料框内等待分拣回收，机器人需要识别各个零件的种类并实现个体级别的分割和位姿估计，从而引导机械臂将全部零件进行分拣并放置到相应种类的回收框内。现有面向工业场景的仿真数据集需要预...
【技术保护点】
1.一种多种类工业零件堆叠场景的仿真数据集生成方法，其特征在于，包括以下步骤：/nS1：建立预定尺寸的物料框的三维模型和不同种类的工业零件的三维模型，并生成多种类多实例参数化零件模型库；/nS2：从模型库中采样出预定数量的零件模型；通过动力学仿真引擎，对采样出的零件模型进行自由落体运动仿真和碰撞仿真，以生成多种类多实例零件的堆叠场景，并自动标注和保存堆叠场景中每个物体的类别标签和位姿标签；/nS3：根据实际相机的相关参数和光照环境，设置渲染引擎中的仿真相机和仿真光源的参数，为每个堆叠场景分别生成并记录透视投影视角和正交投影视角下的深度图、RGB图、分割图以及单个物体的完整掩...
【技术特征摘要】
1.一种多种类工业零件堆叠场景的仿真数据集生成方法，其特征在于，包括以下步骤：
S1：建立预定尺寸的物料框的三维模型和不同种类的工业零件的三维模型，并生成多种类多实例参数化零件模型库；
S2：从模型库中采样出预定数量的零件模型；通过动力学仿真引擎，对采样出的零件模型进行自由落体运动仿真和碰撞仿真，以生成多种类多实例零件的堆叠场景，并自动标注和保存堆叠场景中每个物体的类别标签和位姿标签；
S3：根据实际相机的相关参数和光照环境，设置渲染引擎中的仿真相机和仿真光源的参数，为每个堆叠场景分别生成并记录透视投影视角和正交投影视角下的深度图、RGB图、分割图以及单个物体的完整掩码图；
S4：重复上述S2-S3步骤，生成多种类工业零件堆叠场景的仿真数据集。
2.根据权利要求1所述的生成方法，其特征在于，步骤S1中生成多种类多实例参数化零件模型库具体包括：
S11：通过三维建模软件建立一个带有a个驱动参数的参数化模板模型；
S12：对每个驱动参数设置采样范围，使得每个驱动参数均获得b个取值；
S13：对每个驱动参数的取值进行自由组合，以得到由ba个参数组合构成的参数表；
S14：将参数表以脚本形式导入三维建模软件；
S15：三维建模软件读取第k个参数组合，并将组合中的参数值作为该参数化模板的a个驱动参数，生成第k个参数化实例模型，直至生成ba个属于该参数化模板的实例，其中k＝1,2,…,ba。
3.根据权利要求1所述的生成方法，其特征在于，步骤S2具体包括：
S21：设置动力学仿真引擎中的重力加速度g、生成仿真堆叠场景的个数N和每个堆叠场景包含物体的个数范围[m,n]；
S22：随机生成物料框的位姿并导入物料框三维模型，并将物料框内的区域正上方设置为零件做自由落体运动前的初始位置区域；
S23：随机生成该堆叠场景所包含的物体个数p，其中m≤p≤n；
S24：在建立好的模型库中有放回地重复随机抽取1个模型，直到抽取出p个零件模型；
S25：将p个零件放置于自由落体运动前的初始位置区域，利用动力学仿真引擎对零件进行自由落体运动仿真和碰撞仿真；
S26：待场景中p个零件达到稳定状态后得到最终的仿真堆叠场景；
S27：自动获取并保存物料框及各零件的位姿标注信息和种类标注信息；
S28：清空场景；
S29：重复步骤S22至S28，直至生成并记录N个仿真堆叠场景。
4.根据权利要求1所述的生成方法，其特征在于，步骤S3还包括：计算每个堆叠场景内每个物体的可见度。
5.根据权利要求1所...
【专利技术属性】
技术研发人员：曾龙，张欣宇，吕伟杰，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44
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。