【技术实现步骤摘要】
本专利技术属于机器视觉领域，涉及一种面向布线机器人柔性线束检测方法。
技术介绍
1、随着信息化和智能化的发展，智能化设备不管是在生活场景和还是在工业场景中都越来越普及。而线束作为智能化设备的“血管”，其需求量也随着智能设备的普及而越来越大。并且，线束装配是制造过程中最复杂、最耗时的装配阶段之一，其组装所需的劳动力明显大于组装机械部件的劳动力。但是在目前的工业生产中，线束的装配仍主要依靠人工生产，生产效率和生产质量已无法适应需求，因此让机器人参与到这个装配过程是非常有必要的。其中机器视觉识柔性别线束的技术是能让机器人参与到线束装配的基础也是关键，解决了线束的识别问题，便可以引导机器人操作线束。而柔性线束的研究刚刚起步，与刚性识别目标相比，柔性线束的可变形特性使得识别非常困难，因此相较于传统的图像分割任务，柔性线束识别任务极具挑战。
2、因此，基于布线生产自动化的发展与传统轨识别算法的不足，本专利技术提出了一个面向布线机器人的柔性线束检测方法。方法由图像分割和图像细化两部分组成。首先提出了一个以unet特性为基础，加入了resnet网络和se注意力网络的图像分割网络模型rs-unet，通过图像分割网络，将线束的掩模信息从图像中分割出来。接着通过二值化增强线束掩模的轮廓信息，最后用zhang-suen算法将线束掩模细化为单像素联通的像素获取线束几何中心信息，既获取线束的形状信息和位置信息，为工业生产中线束产品质量评估以及机器人操作等提供信息和指引。
技术实现思路
1、针对布线
2、1.步骤1、在机器人布线场景种用摄像头获取到线束图像。
3、步骤2、线束通过rs-unet模型的编码部分，进行特征提取，编码部分网络由resnet34网络的改编。输入图像为512×512大小的3通道图像信息，通过一个7×7的卷积核将图像转化为256×256大小的64通道大小的特征图，再通过池化层将图像转进一步转化为128×128大小的64通道特征图，接着分别通过3个和4个残差卷积模块将图像转化为再通过6个残差卷积模块将图像转化为32×32大小的256通道特征图，最后通过3个残差卷积模块将图像转化为16×16大小的512通道特征图。每次转化都有跳跃连接和解码部分进行特征拼接。其中残差卷积模块由两组归一化层-relu激活函数-3×3的卷积核，以及一个残差链接组成。
4、步骤3、将步骤2所产生的16×16大小的512通道特征图通过一个普通卷积模块，se-net模块和一个上采样转化为32×32大小的256通道特征图，再通过一个普通卷积模块，se-net模块和一个上采样转化为64×64大小的128通道特征图，接着通过一个普通卷积模块，se-net模块和一个上采样转化为128×128大小的64通道特征图，再通过一个普通卷积模块，se-net模块和一个上采样转化为256×256大小的32通道特征图，每次转化都与编码部分跳跃连接进行特征拼接。最后通过一个1×1的卷积核生成2通道的512×512大小的掩模信息图，包括线束和背景两个类别。
5、步骤4、将步骤3种产生的线束掩模信息用zhang-suen细化算法为基础进行图像细化，获取线束的中心像素信息。该算法流程为：迭代标记符合特定条件的目标像素，对标记点进行删除，直到某一次迭代中没有任何一个像素被标记，则迭代结束，得到的图像则为细化后的图像。若将某一像素点(i，j)作为待判定目标点，从其正上方像素点开始，顺时针顺序依次将相邻像素点标记为p1-p8,若为前景像素点则标记为1，若为背景像素点则标记为0，b(p)代表p1-p8的背景像素个数。则待定像素点需要经过两个判定阶段，若判定点满足两阶段的条件便置0删除。两阶段的判定条件式为式(1)和式(2)：
6、第一阶段：
7、第二阶段：
8、步骤5、获取步骤4种产生的单像素连接的线束中心信息，当机器人需要操作线束时，提供给机器人。
9、本专利技术带来的有益效果是：本专利技术了设计一种面向布线机器人柔性线束检测方法。通过图像分割网络，获取线束掩模信息。再通过图像细化算法，获取线束中心像素信息。算法可以实现生产中对线束的识别，实现布线生产自动化。
本文档来自技高网...【技术保护点】
1.一种面向布线机器人柔性线束检测方法，利用RS-UNet网络模型对获取到的线束图像进行分割，接着使用Zhang-Suen算法对分割后的掩模图像进行细化，获取线束的中心像素信息。
【技术特征摘要】
1.一种面向布线机器人柔性线束检测方法，利用rs-unet网络模型对获取到的线束图像进行分...
【专利技术属性】
技术研发人员：尚玉玲，刘德璋，刘陶荣，李春泉，张明，
申请(专利权)人：桂林电子科技大学，
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。