【技术实现步骤摘要】
本专利技术主要涉及计算机视觉和机器人，尤其是关于利用图像数据分析技术进行工件特征识别、确定散乱工件位姿的检测方法。
技术介绍
1、自动化生产领域，多品种小批量异形工件产品的柔性上料加工需求大，自动化装配需具备适应加工场景的能力。测量、识别和抓取技术的深度融合是解决加工智能化共性问题的关键。实现机器人智能化抓取的关键技术之一是位姿估计，目前主要依靠3d视觉系统采集数据，利用点云匹配技术实现对散乱摆放物体的位姿估计，同时，深度学习技术在计算机视觉方面有了长足的发展，为制造业感知技术提供了新的技术思路和基础，但上述这两类方法通常存在计算量大、造价高等缺点不利于实际应用。例如目前流行的深度神经网络(deep neural networks，dnn)黑箱模型由于其难以解释性以及对大量标注数据的依赖，而工业自动化要求较高的可靠性及时间成本控制，使得dnn应用受到限制。本专利技术在张正友标定法作相机标定的基础上，为异形小工件姿态识别设计鲁棒的图像特征矢量，以有效降低数据处理的维数，并通过建立局部极坐标系进一步分析图像细粒度特征，采用基于规则的建模方法...
【技术保护点】
1.一种用于散乱异形小工件位姿检测的方法，其特征在于，包括：
2.根据权利要求1所述一种用于散乱异形小工件位姿检测的方法，其特征在于步骤4，通过工件的共有特征建立局部极坐标系，并将工件信息转换到对数极坐标下进行特征对齐，包括：
3.根据权利要求1所述一种用于散乱异形小工件位姿检测的方法，其特征在于步骤1中，对二维平面坐标系进行转换，获取转换矩阵，包括：
4.根据权利要求1所述一种用于散乱异形小工件位姿检测的方法，其特征在于步骤2，对图像进行预处理，用以获取图像中工件边缘信息，包括：
5.根据权利要求1所述的方法，其特征在...
【技术特征摘要】
1.一种用于散乱异形小工件位姿检测的方法，其特征在于，包括：
2.根据权利要求1所述一种用于散乱异形小工件位姿检测的方法，其特征在于步骤4，通过工件的共有特征建立局部极坐标系，并将工件信息转换到对数极坐标下进行特征对齐，包括：
3.根据权利要求1所述一种用于散乱异形小工件位姿检测的方法，其特征在于步骤1中，对二维平面坐标系进行转换，获取转换矩阵，包括：
4.根据权利要求1所述一种用于散乱异形小工件位姿检测...
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。