关于特定目标的智能识别和分拣技术研究

• 作 者: 黄万军
• 出 处: 电子科技大学
• 发表日期: 2020年07期
• 关键词: 深度学习 实例分割 视觉测距 机械臂 垃圾识别

面对传统行业利用人工智能技术进行产业升级的迫切需求,机器人被广泛应用于各行各业。目前的主流应用一般是替代人工进行重复性劳动。本文旨在提升机器人应用的智能性,针对特定任务目标的智能识别与分拣技术进行研究。主要是系统研究了视觉深度测距和定位技术、基于深度学习的目标检测和实例分割、工业机器人控制等三种关键技术,并完成相应子系统的开发和验证。针对我国环保行业现阶段面临的民众垃圾分类意识薄弱的窘境,本文设计了一套常见垃圾的智能识别和机器人分拣系统,并利用上述研究成果对该系统进行了实现。然后在垃圾分拣丢弃场景对该系统进行实验,验证了技术方案的可行性。本文主要研究内容如下:1、研究视觉测距和定位技术,并利用实例分割技术对传统视觉测距方法进行改进。传统视觉测距方案是对矩形目标框中所有像素的深度值统计求平均,显然目标框中包含大量的非目标像素,因此本文首先采用实例分割任务获取的mask掩码精确分割出目标包含的像素,进一步再利用数据处理的手段对像素值中的异常值和部分边缘值进行过滤,实现了测距精度的提升。最后,利用RealSense深度相机的定位原理,利用SDK把图像中目标的位置转换成相机坐标系中三维坐标。2、改进并实现了一种基于Cascade Mask R-CNN的实例分割模型算法。具体工作便是使用GA-RNP网络对原始RPN网络进行替换,并把级联网络的三个阶段对应的mask分支进行连接融合从而逐渐提升分割效果。通过实验证明了改进后的模型性能有所提升。最后,使用该模型完成图片中目标的检测识别和像素级分割。3、本文基于D-H参数表示法完成了UR3机械臂的运动学模型的构建,并对其正、逆运动学数学模型进行了详细的数学推导。然后对传统手眼标定的原理及理论模型做了详细分析,并使用UR3机械臂完成了手眼分离模式的自动标定实验。实验结果证明手眼标定子系统的精度完全满足实际需求。4、本文设计并实现了一个垃圾智能识别和分拣系统,整合了上述研究成果,并完成了系统硬件部分的搭建和软件部分的开发,模拟了垃圾分类场景对系统进行测试,证实了本文技术方案的有效性。