基于機器視覺和深度學(xué)習(xí)的目標識別與抓取定位研究.pdf

1、隨著工業(yè)自動化水平的提高和科技的進步，機器人的數(shù)量不斷增加，應(yīng)用場景越來越復(fù)雜，對機器人的自動化、智能化、精度、穩(wěn)定性、靈活性的要求也不斷增加。計算機技術(shù)和人工智能的發(fā)展，使得基于機器視覺技術(shù)的機器人在研究和生產(chǎn)領(lǐng)域得到很大的重視。
　　本文針對“基于機器視覺和深度學(xué)習(xí)的目標識別與抓取定位”所涉及的關(guān)鍵技術(shù)進行相關(guān)研究。將機器人分為手、眼、腦三部分，六自由度機械臂為機器人的手臂，負責(zé)抓取目標;雙目機器視覺充當機器人的眼睛，獲取外界

2、場景;深度學(xué)習(xí)技術(shù)是機器人的大腦，負責(zé)對場景中的目標進行識別和定位。本文對機器人手、眼、腦三部分的所涉及的主要問題進行研究，研究內(nèi)容主要包括以下幾個方面:
　　(1)研究了攝像機標定算法，針對棋盤格標定靶角點提取精度低的缺點，使用平面圓靶標進行攝像機標定，設(shè)計了靶標識別算法，使用張正友攝像機標定法進行單目標定。針對特征點匹配所使用的極線約束方法對特征點較多時易匹配錯誤的問題，提出一種增加方位約束的特征點匹配方法。最后對標定方法和匹

3、配方法進行實驗驗證。
　　(2)針對機械臂與視覺系統(tǒng)坐標系統(tǒng)一的問題，提出一種基于五點圓靶標的手眼標定方法，并進行手眼標定實驗分析，證明所提方法的有效性。
　　(3)針對機械臂控制精度問題，提出了融合多新息理論的多變量PID神經(jīng)網(wǎng)絡(luò)改進算法，為了驗證所提方法收斂速度和參數(shù)估計精度，設(shè)計了MI-MPIDNN辨識系統(tǒng)，通過實驗對多輸入多輸出非線性動態(tài)系統(tǒng)進行辨識，驗證了方法的有效性。
　　(4)針對圖像預(yù)處理階段的圖像去噪

4、任務(wù)，提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的去噪方法，構(gòu)造了一種卷積子網(wǎng)與反卷積子網(wǎng)對稱式的網(wǎng)絡(luò)結(jié)構(gòu)，組成由噪聲圖像到去噪圖像的非線性映射。通過對不同級別的高斯噪聲以及其他類型噪聲的去噪效果分析，驗證了方法的有效性。
　　(5)為了讓機械臂智能抓取視場范圍內(nèi)的物體，深入研究了SSD(Single ShotMultiBox Detector)目標檢測算法，針對SSD目標檢測算法對小目標識別和定位精度不高的問題，提出一種基于特征金字塔的SSD目標