【技术实现步骤摘要】
基于神经网络和检测算法的边角定位方法及装置
[0001]本专利技术涉及控制算法领域，特别是涉及一种工件的边角定位算法。
技术介绍
[0002]车辆、船舶等工程机械的主体框架是由各种各样的工件焊接完成，而这些工件主要来源于钢板切割。通常钢板切割出的工件大小形状多种多样，并且不同工件的工序及用途各不相同，因此需要对各种工件进行喷码标识。一般采用机械喷码，需要先定位喷码位置，再控制喷码装置到指定喷码点位开始喷码工序，效率较人工方式更快，但可能由于钢板在到达喷码点位时本身存在位置角度偏差，而造成喷码位置出现偏差、甚至出现漏喷、错喷现象。
[0003]因此，如何确定钢板的实时位置、是否有角度偏差(边角数据)，以自适应调整喷码位置，是工件机械喷码工序中的关键步骤。现有技术中，由于钢板上加工可能存在一定的花纹、划痕等，传统边角检测算法稳定性不够，容易受环境影响；深度学习方法也容易造成边点的误检。因此，如何提供一种精确度高的边点检测算法，确定钢板的实时位姿，以自适应调整喷码位置，是工件机械喷码中亟待解决的重要技术问题。
专利...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络和检测算法的边角定位方法，其特征在于，包括：S21：采集待检测主体的样本图像，并对样本图像标注边角数据，以构建训练样本集；S22：构建用于学习边角数据的神经网络模型；S23：将训练样本集输入神经网路模型，得到训练后的神经网络模型；S24：采集待检测主体的实时图像；S25：将实时图像，输入训练后的神经网络模型，输出第一边角数据；S26：根据第一边角数据，截取实时图像中包括第一边角数据的区域图像；S27：检测区域图像，得到第二边角数据；S28：将第二边角数据，修正融合第一边角数据，得到修正后的边角数据作为边角定位输出结果。2.根据权利要求1所述的边角定位方法，其特征在于，第一边角数据，包括第一角点；第二边角数据，包括第二角点；步骤S27，包括：S271：将区域图像，输入边缘检测算法模型中，得到区域图像内的边缘线段；S272：根据边缘线段，确定区域图像内的预选角点；S273：判断预选角点中，是否存在与第一角点的位置差在第一设定范围内的预选角点；S274：若存在，则返回位置差在第一设定范围内的预选角点为第二角点；S275：若不存在，则不返回第二角点。3.根据权利要求2所述的边角定位方法，其特征在于，步骤S28，具体为若返回了第二角点，则计算第一角点和第二角点的聚类中心点，作为修正后的边角数据；若不返回第二角点，则以第一角点作为修正后的边角数据。4.根据权利要求3所述的边角定位方法，其特征在于，第一边角数据，还包括第一边点；第二边角数据，还包括第二边点；步骤S27，还包括：S276：根据边缘线段，确定边缘线段中，离第一边点最近的点为预选边点；S277：判断预选边点与第一边点的位置差是否在第二设定范围内；S278：若是，则返回位置差在第二设定范围内的预选边点为第二边点；S279：若否，则不返回第二边点。5.根据权利要求4所述的边角定位方法，其特征在于，步骤S28，具体为计算第一边点和第二边点的聚类中心点，作为修正后的边角数据。6.根据权利要求2所...
【专利技术属性】
技术研发人员：彭斯然，黄金，冀春锟，
申请(专利权)人：湖南视比特机器人有限公司，
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。