基于三维视觉的无序垃圾智能分类设备及其分类方法技术

本发明专利技术提供了一种基于三维视觉的无序垃圾智能分类设备及一种基于三维视觉的无序垃圾智能分类方法，基于三维视觉的无序垃圾智能分类设备包括三维相机、控制器、抓取部件、检测台和分类箱，检测台形成用于收容待分类垃圾的收容空间，且收容空间的一端开口，三维相机设置在收容空间的开口端，以采集待分类垃圾的图片信息，控制器与三维相机和抓取部件分别电连接，控制器用于根据图片信息控制抓取部件抓取待分类垃圾，并将待分类垃圾按垃圾分类置入分类箱；与现有垃圾分类装置相比，该装置设计更加简单合理，占用面积小，无需将垃圾桶内垃圾倒出分散平铺，从而防止了垃圾桶内脏污二次污染，提高了垃圾分类的效率。提高了垃圾分类的效率。提高了垃圾分类的效率。

【技术实现步骤摘要】
基于三维视觉的无序垃圾智能分类设备及其分类方法


[0001]本专利技术涉及垃圾分类
，具体涉及一种基于三维视觉的无序垃圾智能分类设备和一种基于三维视觉的无序垃圾智能分类方法。

技术介绍

[0002]随着国家提出的可持续发展战略，人们的环保意识大大增强，垃圾分类回收逐渐在各个城市普及，垃圾分类时往往会设置不同的垃圾箱，如：可回收物、有害垃圾以及其他垃圾等。这要求人们按照规定将不同种类的垃圾分别丢入不同的垃圾桶中。但是由于垃圾种类繁多，人们在按照类别丢弃垃圾时，容易记错垃圾类别，这就导致回收到的垃圾桶内往往会有错误分类的垃圾，那么在进行垃圾处理之前，需要筛除错误分类的垃圾，然而已经回收的垃圾堆积在一个垃圾桶内，传统的方法是将其倒在流水线上平铺后依靠人工分类或机械分类，耗时耗力，而且工作环境恶劣，容易导致工厂二次污染，所以需要设计一款能对无序堆叠的垃圾进行分类的设备。

技术实现思路

[0003]本专利技术的主要目的是提供一种基于三维视觉的无序垃圾智能分类设备和一种基于三维视觉的无序垃圾智能分类方法，旨在自动对垃圾进行分类，且提高垃圾分类的效率。
[0004]为实现上述目的，本专利技术提出一种基于三维视觉的无序垃圾智能分类方法，基于三维视觉的无序垃圾智能分类设备进行垃圾分类，智能分类设备包括三维相机、控制器、抓取部件、检测台和多个分类箱，三维相机用于采集待分类垃圾的图片信息，控制器与三维相机和抓取部件分别电连接；控制器包括视觉模块、通讯模块、计算模块、识别模块和控制模块；分类方法包括如下步骤：<br/>[0005]三维相机获取待分类垃圾的图片信息并传至通讯模块；通讯模块将图片信息发送至视觉模块，视觉模块将图片信息进行处理以得出特征图片；
[0006]视觉模块将特征图片发送至计算模块，计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息；
[0007]计算模块将目标点云信息发送至识别模块，识别模块根据目标点云信息得出垃圾分类结果，垃圾分类结果对应有分类箱；识别模块将垃圾分类结果和目标点云信息发送至控制模块，控制模块根据目标点云信息和垃圾分类结果得出控制信号；识别模块将控制信号发送至抓取部件，以将待分类垃圾抓取，并按垃圾分类结果置入对应的分类箱。
[0008]优选的，所述通讯模块将所述图片信息发送至视觉模块，所述视觉模块将所述图片信息进行预处理以得出特征图片的步骤包括：
[0009]所述通讯模块将所述图片信息发送至所述视觉模块；
[0010]所述视觉模块对所述图片信息进行去噪处理；
[0011]所述视觉模块根据去噪处理后的所述图片信息得出特征图片。
[0012]优选的，一种基于三维视觉的无序垃圾智能分类方法，所述视觉模块将特征图片
发送至计算模块，所述计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息的步骤之前还包括：
[0013]在计算模块内建立点云分割神经网络模型；
[0014]将点云重构后的垃圾图像作为输入信息，将剔除背景后的垃圾图像的目标点云信息作为输出结果输入点云分割神经网络模型进行训练；
[0015]所述视觉模块将特征图片发送至计算模块，所述计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息的步骤包括：
[0016]所述视觉模块将特征图片发送至计算模块；
[0017]所述计算模块进行特征图片的点云重构；
[0018]将点云重构后的特征图片输入点云分割神经网络模型；
[0019]点云分割神经网络模型对点云重构后的特征图片进行点云分割；
[0020]点云分割神经网络模型输出目标点云信息。
[0021]优选的，一种基于三维视觉的无序垃圾智能分类方法，所述计算模块将目标点云信息发送至识别模块，所述识别模块根据目标点云信息得出垃圾分类结果的步骤之前还包括：
[0022]在所述识别模块内建立点云识别神经网络模型；
[0023]将点云重构后且剔除背景的垃圾图像作为输入信息，将识别结果作为输出结果输入点云识别神经网络模型进行训练；
[0024]所述计算模块将目标点云信息发送至识别模块，所述识别模块根据目标点云信息得出垃圾分类结果的步骤包括：
[0025]所述计算模块接收目标点云信息；
[0026]将目标点云信息输入点云识别神经网络；
[0027]点云识别神经网络输出垃圾分类结果。
[0028]优选的，一种基于三维视觉的无序垃圾智能分类方法，所述识别模块将所述垃圾分类结果和所述目标点云信息发送至所述控制模块，所述控制模块根据所述目标点云信息和所述垃圾分类结果得出控制信号的步骤之前还包括；
[0029]在所述控制模块内建立控制神经网络模型：
[0030]将点云重构后且剔除背景的垃圾图像作为输入信息，将抓取位置与姿态的坐标作为输出结果输入控制神经网络模型进行训练；
[0031]进行三维相机和抓取部件的手眼标定，以获取抓取部件的坐标信息转化矩阵；
[0032]所述识别模块将所述垃圾分类结果和所述目标点云信息发送至所述控制模块，所述控制模块根据所述目标点云信息和所述垃圾分类结果得出控制信号的步骤包括：
[0033]所述识别模块将目标点云信息输入控制神经网络模型；
[0034]所述控制神经网络模型根据目标点云信息得出抓取部件的期望末端位资信息；
[0035]根据所述垃圾分类结果获取分类箱的坐标信息；
[0036]获取抓取部件的现行坐标信息；
[0037]根据所述抓取部件的现行坐标信息、分类箱的坐标信息和抓取部件期望末端位资信息得出抓取部件的轨迹控制信息。
[0038]优选的，一种基于三维视觉的无序垃圾智能分类方法，其特征在于，所述进行图片
的去噪处理的步骤中；
[0039]所述去噪方式采用均值去噪的方法。
[0040]优选的，一种基于三维视觉的无序垃圾智能分类方法，所述进行手眼标定转化三维相机和抓取部件的坐标，以获取抓取部件的坐标信息转化矩阵的步骤包括：
[0041]安装标定板；
[0042]将抓取部件的末端移动至标定板；
[0043]获取抓取部件与标定板的照片；
[0044]得出转化抓取部件的坐标信息的转化矩阵。
[0045]为实现上述目的，本专利技术还提出一种基于三维视觉的无序垃圾智能分类设备，包括三维相机、控制器、抓取部件、检测台和分类箱，所述检测台形成用于收容待分类垃圾的收容空间，且所述收容空间的一端开口，所述三维相机设置在所述收容空间的开口端，以采集待分类垃圾的图片信息，所述控制器与所述三维相机和所述抓取部件分别电连接，所述控制器用于根据所述图片信息控制所述抓取部件抓取待分类垃圾，并将待分类垃圾按垃圾分类置入分类箱。
[0046]与现有技术相比，本专利技术至少具备以下有益效果：
[0047]本专利技术的技术方案中，将回收到的无序垃圾堆叠在垃圾桶内，上方的三维相机实时检测无序垃圾，并通过控本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维视觉的无序垃圾智能分类方法，其特征在于，基于三维视觉的无序垃圾智能分类设备进行垃圾分类，智能分类设备包括三维相机、控制器、抓取部件、检测台和多个分类箱，三维相机用于采集待分类垃圾的图片信息，控制器与三维相机和抓取部件分别电连接；控制器包括视觉模块、通讯模块、计算模块、识别模块和控制模块；分类方法包括如下步骤：三维相机获取待分类垃圾的图片信息并传至通讯模块；通讯模块将图片信息发送至视觉模块，视觉模块将图片信息进行处理以得出特征图片；视觉模块将特征图片发送至计算模块，计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息；计算模块将目标点云信息发送至识别模块，识别模块根据目标点云信息得出垃圾分类结果，垃圾分类结果对应有分类箱；识别模块将垃圾分类结果和目标点云信息发送至控制模块，控制模块根据目标点云信息和垃圾分类结果得出控制信号；识别模块将控制信号发送至抓取部件，以将待分类垃圾抓取，并按垃圾分类结果置入对应的分类箱。2.根据权利要求1所述的一种基于三维视觉的无序垃圾智能分类方法，其特征在于，所述通讯模块将所述图片信息发送至视觉模块，所述视觉模块将所述图片信息进行预处理以得出特征图片的步骤包括：所述通讯模块将所述图片信息发送至所述视觉模块；所述视觉模块对所述图片信息进行去噪处理；所述视觉模块根据去噪处理后的所述图片信息得出特征图片。3.根据权利要求1所述的一种基于三维视觉的无序垃圾智能分类方法，其特征在于，所述视觉模块将特征图片发送至计算模块，所述计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息的步骤之前还包括：在计算模块内建立点云分割神经网络模型；将点云重构后的垃圾图像作为输入信息，将剔除背景后的垃圾图像的目标点云信息作为输出结果输入点云分割神经网络模型进行训练；所述视觉模块将特征图片发送至计算模块，所述计算模块将特征图片进行点云分割以得到待分类垃圾的目标点云信息的步骤包括：所述视觉模块将特征图片发送至计算模块；所述计算模块进行特征图片的点云重构；将点云重构后的特征图片输入点云分割神经网络模型；点云分割神经网络模型对点云重构后的特征图片进行点云分割；点云分割神经网络模型输出目标点云信息。4.根据权利要求1所述的一种基于三维视觉的无序垃圾智能分类方法，其特征在于，所述计算模块将目标点云信息发送至识别模块，所述识别模块根据目标点云信息得出垃圾分类结果的步骤之前还包括：在所述识别模块内建立点云识别神经网络模型；将点云重构后且剔除背景的垃圾...

【专利技术属性】
技术研发人员：陆新江，陈诺，
申请(专利权)人：中南大学，
类型：发明
国别省市：