【技术实现步骤摘要】
一种基于目标检测的机器人分拣方法
[0001]本专利技术涉及物品分拣
，具体涉及一种基于目标检测的机器人分拣方法。
技术介绍
[0002]随着我国自动化产业的发展，多种自动设备被广泛应用于多种行业，其中分拣机器人作为自动化设备的一种，其作用往往是将传输流水线上的产品或其他物品进行自动分类及拣选，被仓储物流、工业生产和资源回收等行业广泛应用。而在资源回收中，旧纺织品的分拣回收是提高其附加价值的前提。不同材质的旧纺织品往往需要不同的再生处理方法，因此，对不同材质的旧纺织品进行分拣至关重要。目前，在对不同材质的旧纺织品进行分拣时，首先，获取不同材质的旧纺织品的图像，接着，对获取图像进行边缘检测，将边缘检测得到边缘，确定为旧纺织品的边缘，将颜色或亮度相近的边缘作为同一个类别，最后，控制机器人对不同类别的旧纺织品进行分拣归类。
[0003]然而，当采用上述方式时，经常会存在如下技术问题：
[0004]第一，不同材质的旧纺织品往往会存在相同的颜色或亮度，由于，不同材质的旧纺织品往往需要不同的再生处理方法，所以不同材...
【技术保护点】
【技术特征摘要】
1.一种基于目标检测的机器人分拣方法，其特征在于，包括以下步骤：获取回收纺织品传送带上的多件待回收纺织品的纺织品图像，对所述纺织品图像进行灰度化，得到原灰度图像；对所述原灰度图像进行多尺度采样，得到多个尺度采样图像；对所述多个尺度采样图像中的每个尺度采样图像进行前景分割，确定每个尺度采样图像对应的前景区域，得到多个前景区域；对于所述多个前景区域中的每个前景区域，确定所述前景区域中的每个像素点对应的梯度方向线和归一化梯度幅值；对于所述多个前景区域中的每个前景区域，根据所述前景区域中的每个像素点对应的梯度方向线，确定所述像素点对应的边缘特征点对，其中，边缘特征点对包括两个边缘特征点；对于所述多个前景区域中的每个前景区域，对所述前景区域中的每个像素点对应的边缘特征点对包括的每个边缘特征点对应的采样区域进行邻域方差均值处理，确定所述边缘特征点对应的材质特征值和亮度特征值；对于所述多个前景区域中的每个前景区域，根据所述前景区域中的像素点对应的归一化梯度幅值和边缘特征点对包括的两个边缘特征点对应的材质特征值和亮度特征值，确定所述前景区域对应的采样效果；对采样效果最好的前景区域进行纺织品分类，得到多个纺织品类别，其中，采样效果最好的前景区域是所述多个前景区域中的各个前景区域对应的采样效果中最大的采样效果对应的前景区域；根据所述多个纺织品类别，控制机器人对所述多件待回收纺织品进行分拣归类。2.根据权利要求1所述的方法，其特征在于，所述对所述前景区域中的每个像素点对应的边缘特征点对包括的每个边缘特征点对应的采样区域进行邻域方差均值处理，确定所述边缘特征点对应的材质特征值和亮度特征值，包括：对于所述边缘特征点对应的采样区域中的每个像素点，根据所述像素点的灰度值和所述像素点对应的预设数目个邻域像素点的灰度值，确定所述像素点对应的每个邻域像素点与所述像素点之间的灰度差值，得到所述像素点对应的预设数目个灰度差值；根据所述边缘特征点对应的采样区域中的每个像素点对应的预设数目个灰度差值，确定所述像素点对应的灰度差值方差；对所述边缘特征点对应的采样区域中的每个像素点对应的灰度差值方差进行归一化，得到所述像素点对应的归一化方差；根据所述边缘特征点对应的采样区域中的每个像素点对应的预设数目个邻域像素点的灰度值，确定所述像素点对应的邻域均值；对所述边缘特征点对应的采样区域中的每个像素点对应的邻域均值进行归一化，得的归一化均值；根据所述边缘特征点对应的采样区域中的像素点的数量、所述边缘特征点对应的采样区域中的各个像素点对应的归一化方差和归一化均值，确定所述边缘特征点对应的材质特征值和亮度特征值。3.根据权利要求2所述的方法，其特征在于，所述确定所述边缘特征点对应的材质特征
值和亮度特征值对应的公式为：其中，δ是所述边缘特征点对应的材质特征值，h是所述边缘特征点对应的亮度特征值，J是所述边缘特征点对应的采样区域中的像素点的数量，δ
j
是所述边缘特征点对应的采样区域中的第j个像素点对应的归一化方差，h
j
是所述边缘特征点对应的采样区域中的第j个像素点对应的归一化均值。4.根据权利要求1所述的方法，其特征在于，所述根据所述前景区域中的像素点对应的归一化梯度幅值和边缘特征点对包括的两个边缘特征点对应的材质特征值和亮度特征值，确定所述前景区域对应的采样效果，包括：根据所述前景区域中的每个像素点对应的边缘特征点对包括的两个边缘特...
【专利技术属性】
技术研发人员：丁玉涛，宋欢，蔡晶晶，翟煜锦，李冰，
申请(专利权)人：河南职业技术学院，
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。