基于分类识别的智能机器人分拣优化方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于分类识别的智能机器人分拣优化方法。方法包括：获取待分拣快递堆对应的待分拣深度图像；在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历，得到各方向上的终止点；根据各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率；根据各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取系数；根据所述抓取系数和各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取程度；若第一最高点对应的快递的抓取程度大于抓取阈值，则对所述快递进行抓取。本发明专利技术提高了对快递分拣的效率。对快递分拣的效率。对快递分拣的效率。

【技术实现步骤摘要】
基于分类识别的智能机器人分拣优化方法


[0001]本专利技术涉及数据处理
，具体涉及基于分类识别的智能机器人分拣优化方法。

技术介绍

[0002]目前，随着市场经济的发展，物流行业的发展也变的越来越迅速，使得快递分拣工作所占的比例也越来越大，成为最耗费人力和时间的作业。特别是对于量大且杂乱堆放的快递堆，如果仅基于人工的方式进行分拣，会使分拣效率相对较低，因此提高量大且杂乱堆放的快递堆的分拣效率至关重要。

技术实现思路

[0003]为了解决提对快递堆的分拣效率低的问题，本专利技术的目的在于提供一种基于分类识别的智能机器人分拣优化方法，所采用的技术方案具体如下：本专利技术提供了一种基于分类识别的智能机器人分拣优化方法包括以下步骤：获取待分拣快递堆对应的待分拣深度图像；在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历；根据各方向上像素点的灰度值，得到各方向上的终止点；所述第一最高点为待分拣深度图像中灰度值最小的像素点；根据待分拣深度图像中各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率；所述终止点前的各像素点为第一最高点到对应终止点之间的像素点；根据各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取系数；根据所述抓取系数和各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取程度；若第一最高点对应的快递的抓取程度大于抓取阈值，则对所述快递进行抓取。
[0004]优选的，在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历；根据各方向上像素点的灰度值，得到各方向上的终止点，包括：对于任一方向：将该方向上前预设数量个像素点记为基准点；计算各基准点在该方向上的灰度梯度值，记为基准值；对于任一基准点：计算该基准点在该方向上对应的灰度梯度值与该基准点之间的各基准点在该方向上对应的灰度梯度值之和，作为在该方向上该基准点对应的灰度梯度累加值；根据该方向上的各基准点在待分拣深度图像中的灰度值，构建该方向对应的灰度变化函数；根据该方向上各基准点对应的灰度梯度累加值，构建该方向对应的梯度累加值
函数；根据该方向上对应的灰度变化函数，预测该方向上各像素点的灰度值，记为预测灰度值；根据该方向上对应的梯度累加值函数，预测该方向上各像素点的灰度梯度累加值，记为预测灰度梯度累加值；根据该方向上各像素点对应的预测灰度梯度累加值和对应的预测灰度值，得到该方向上各像素点对应的灰度值范围；当遍历到该方向上任一像素点时，若该像素点的灰度值在该像素点对应的灰度值范围内，则继续向后遍历；若该像素点的灰度值不在该像素点对应的灰度值范围内，则将该像素点作为该方向上的终止点。
[0005]优选的，根据待分拣深度图像中各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率，包括：对于任一方向：计算该方向上终止点对应的灰度梯度累加值；计算该方向上的终止点对应的灰度梯度累加值与第一最高点到该方向上终止点的长度之比，作为该方向上终止点前的第一灰度变化率。
[0006]优选的，根据各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取系数，包括：计算各方向上终止点前的第一灰度变化率的均值，作为第一最高点对应的快递的倾斜指标；对于任一方向：计算该方向上终止点后的各像素点的灰度梯度值，所述该方向上终止点后的各像素点为终止点后预设范围内的各像素点；计算该方向上终止点后的各像素点的灰度梯度值之和与该方向上终止点到该方向上终止点后预设范围内最后一个像素点的长度之比，作为该方向上终止点后的第一灰度变化率；根据第一最高点对应的快递的倾斜指标和各方向上终止点后的第一灰度变化率，计算第一最高点对应的快递的抓取系数。
[0007]优选的，根据第一最高点对应的快递的倾斜指标和各方向上终止点后的第一灰度变化率，计算第一最高点对应的快递的抓取系数的公式为：其中，为第一最高点对应的快递的抓取系数，为第一分段函数，为第二分段函数，为第b个方向上终止点后的第一灰度变化率，为第一最高点对应的快递的倾斜指标；为第b个方向上终止点前的各像素点对应的灰度值的平均值，为第b个方向上终止点后的各像素点对应的灰度值的平均值，为遍历的预设方向的数量。
[0008]优选的，计算第一最高点对应的快递的抓取程度的公式为：
其中，为第一最高点对应的快递的抓取程度，为第一最高点对应的快递的倾斜指标归一化后的值，为第一最高点对应的快递的抓取系数；所述第一最高点对应的快递的倾斜指标为各方向上终止点前的第一灰度变化率的均值。
[0009]优选的，若第一最高点对应的快递的抓取程度大于抓取阈值，则对所述快递进行抓取，包括：获取待分拣快递堆对应的灰度图像；获取各方向上的终止点的坐标；根据各终止点的坐标，计算对应的中心点的坐标；计算第一最高点到各方向上终止点的长度的均值，记为平均长度；在所述灰度图像中以中心点的坐标的位置为圆心，以所述平均长度为半径构建圆形区域，得到所述圆形区域的灰度图像；所述圆形区域的灰度图像中包括所述快递的图像；将所述圆形区域的灰度图像输入到训练好的分类网络中，得到所述快递的种类；根据所述快递的种类，调整机械臂的抓取角度，并对所述快递进行抓取。
[0010]优选的，若第一最高点对应的快递的抓取程度小于等于抓取阈值；则将各方向上的终止点连接起来，构成一个闭合区域，记为快递区域；获取待分拣深度图像中其他区域内灰度值最小的像素点，记为第二最高点；计算第二最高点对应的快递的抓取程度，若第二最高点对应的快递的抓取程度大于抓取阈值，则对第二最高点对应的快递进行抓取；所述其他区域为待分拣深度图像中不包括快递区域的区域。
[0011]本专利技术具有如下有益效果：本专利技术首先在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历，得到各方向上的终止点；然后根据待分拣深度图像中各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率，进而计算第一最高点对应的快递的抓取系数；最后本专利技术根据所述抓取系数和各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取程度；若第一最高点对应的快递的抓取程度大于抓取阈值，则对所述快递进行抓取。本专利技术利用智能机器人对快递堆中的快递进行自动化的分拣，并根据快递放置的高度以及被掩埋的情况来选取优先抓取的快递，进而实现分拣工作，提高了对快递分拣的效率。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术所提供的一种基于分类识别的智能机器人分拣优化方法的流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功能效果，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于分类识别的智能机器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分类识别的智能机器人分拣优化方法，其特征在于，该方法包括以下步骤：获取待分拣快递堆对应的待分拣深度图像；在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历；根据各方向上像素点的灰度值，得到各方向上的终止点；所述第一最高点为待分拣深度图像中灰度值最小的像素点；根据待分拣深度图像中各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率；所述终止点前的各像素点为第一最高点到对应终止点之间的像素点；根据各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取系数；根据所述抓取系数和各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取程度；若第一最高点对应的快递的抓取程度大于抓取阈值，则对所述快递进行抓取。2.根据权利要求1所述的基于分类识别的智能机器人分拣优化方法，其特征在于，在待分拣深度图像中以第一最高点为起点，分别对各预设方向上的像素点进行遍历；根据各方向上像素点的灰度值，得到各方向上的终止点，包括：对于任一方向：将该方向上前预设数量个像素点记为基准点；计算各基准点在该方向上的灰度梯度值，记为基准值；对于任一基准点：计算该基准点在该方向上对应的灰度梯度值与该基准点之间的各基准点在该方向上对应的灰度梯度值之和，作为在该方向上该基准点对应的灰度梯度累加值；根据该方向上的各基准点在待分拣深度图像中的灰度值，构建该方向对应的灰度变化函数；根据该方向上各基准点对应的灰度梯度累加值，构建该方向对应的梯度累加值函数；根据该方向上对应的灰度变化函数，预测该方向上各像素点的灰度值，记为预测灰度值；根据该方向上对应的梯度累加值函数，预测该方向上各像素点的灰度梯度累加值，记为预测灰度梯度累加值；根据该方向上各像素点对应的预测灰度梯度累加值和对应的预测灰度值，得到该方向上各像素点对应的灰度值范围；当遍历到该方向上任一像素点时，若该像素点的灰度值在该像素点对应的灰度值范围内，则继续向后遍历；若该像素点的灰度值不在该像素点对应的灰度值范围内，则将该像素点作为该方向上的终止点。3.根据权利要求2所述的基于分类识别的智能机器人分拣优化方法，其特征在于，根据待分拣深度图像中各方向上终止点前的各像素点的灰度值，计算各方向上终止点前的第一灰度变化率，包括：对于任一方向：计算该方向上终止点对应的灰度梯度累加值；计算该方向上的终止点对应的灰度梯度累加值与第一最高点到该方向上终止点的长度之比，作为该方向上终止点前的第一灰度变化率。
4.根据权利要求1所述的基于分类识别的智能机器人分拣优化方法，其特征在于，根据各方向上终止点前的第一灰度变化率，得到第一最高点对应的快递的抓取系数，包括：计算各方向上...

【专利技术属性】
技术研发人员：郭东进，赵彦燕，李栓柱，袁绪彬，张波，袁绪龙，
申请(专利权)人：山东西曼克技术有限公司，
类型：发明
国别省市：