【技术实现步骤摘要】
一种提高汽车钣金工件的识别与定位精度的方法
[0001]本专利技术属于无序分拣机器视觉领域，具体的说是一种提高汽车钣金工件的识别与定位精度的方法。
技术介绍
[0002]机器视觉引导的无序分拣系统具有精度高，适应性强等优点，可以很好的完成对非结构环境下的工件的分拣任务。视觉引导的分拣系统可以使得生产线更加的柔性化，更好的适应当今小批量个性化定制生产需求，避免由于机器人示教编程所带来的对于生产线转产周期的限制。
[0003]在实际的汽车工业生产加工过程中，各个生产车间需要由后勤物流部门统一调配生产部件。后勤物流部门每天需要处理大量的零部件拆包转运问题，可以采用基于视觉引导的机械臂来代替人工完成对各种零部件的分拣任务，但当分拣的过程中遇到由金属薄板经过钣金工艺加工形成的薄片状钣金件时，由于汽车钣金件特征较少且多集中于边缘、不区分正反面等因素干扰，基于传统的模板匹配的识别与定位算法的效果并不理想。
[0004]这种基于模板匹配的工件识别与定位算法的主要流程为：
[0005]1)通过对待检测工件的CAD模型进...
【技术保护点】
【技术特征摘要】
1.一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，包括以下步骤：步骤一、获取完整待抓取工件场景图像并进行预处理，对图像中工件完成实例分割，根据实例分割结果提取二维图像的边缘；步骤二、对采集得到的待抓取工件场景的点云数据进行预处理操作，根据提取得到的二维图像的边缘作为索引，进一步提取点云数据边缘；并计算点云边缘中的点对特征，建立全局模型描述；步骤三、进行在线的模型匹配，采用基于霍夫投票原理的投票方法获取候选位姿，并采用连接性密度聚类算法对候选位姿进行聚类，并采用ICP配准算法对位姿进行优化。2.根据权利要求1所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤一的具体方法如下：11)获取场景二维图像并进行二值、去噪、平滑的预处理操作；12)搭建Mask R
‑
CNN卷积神经网模型完成对二维图像的实例分割；13)在Mask R
‑
CNN卷积神经网络模型上添加边缘检测分支，对实例分割的结果进行边缘提取。3.根据权利要求1所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤二的具体方法如下：21)对采集得到的待抓取工件场景的点云数据进行直通滤波、体素格栅滤波、统计学滤波、法向量估计的预处理操作；22)根据实例分割的二维图像边缘向三维场景点云数据进行映射，最终提取得边缘点云数据；23)确定边缘点云数据的PPF特征，并将得到的点对特征存储在Hash表数据结构中形成边缘模型的全局模型描述。4.根据权利要求3所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，...
【专利技术属性】
技术研发人员：李岩，吴孟男，于微波，刘克平，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：
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。