基于機(jī)器視覺(jué)和深度學(xué)習(xí)的目標(biāo)識(shí)別與抓取定位研究.pdf

1、隨著工業(yè)自動(dòng)化水平的提高和科技的進(jìn)步，機(jī)器人的數(shù)量不斷增加，應(yīng)用場(chǎng)景越來(lái)越復(fù)雜，對(duì)機(jī)器人的自動(dòng)化、智能化、精度、穩(wěn)定性、靈活性的要求也不斷增加。計(jì)算機(jī)技術(shù)和人工智能的發(fā)展，使得基于機(jī)器視覺(jué)技術(shù)的機(jī)器人在研究和生產(chǎn)領(lǐng)域得到很大的重視。
　　本文針對(duì)“基于機(jī)器視覺(jué)和深度學(xué)習(xí)的目標(biāo)識(shí)別與抓取定位”所涉及的關(guān)鍵技術(shù)進(jìn)行相關(guān)研究。將機(jī)器人分為手、眼、腦三部分，六自由度機(jī)械臂為機(jī)器人的手臂，負(fù)責(zé)抓取目標(biāo);雙目機(jī)器視覺(jué)充當(dāng)機(jī)器人的眼睛，獲取外界

2、場(chǎng)景;深度學(xué)習(xí)技術(shù)是機(jī)器人的大腦，負(fù)責(zé)對(duì)場(chǎng)景中的目標(biāo)進(jìn)行識(shí)別和定位。本文對(duì)機(jī)器人手、眼、腦三部分的所涉及的主要問(wèn)題進(jìn)行研究，研究?jī)?nèi)容主要包括以下幾個(gè)方面:
　　(1)研究了攝像機(jī)標(biāo)定算法，針對(duì)棋盤格標(biāo)定靶角點(diǎn)提取精度低的缺點(diǎn)，使用平面圓靶標(biāo)進(jìn)行攝像機(jī)標(biāo)定，設(shè)計(jì)了靶標(biāo)識(shí)別算法，使用張正友攝像機(jī)標(biāo)定法進(jìn)行單目標(biāo)定。針對(duì)特征點(diǎn)匹配所使用的極線約束方法對(duì)特征點(diǎn)較多時(shí)易匹配錯(cuò)誤的問(wèn)題，提出一種增加方位約束的特征點(diǎn)匹配方法。最后對(duì)標(biāo)定方法和匹

3、配方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。
　　(2)針對(duì)機(jī)械臂與視覺(jué)系統(tǒng)坐標(biāo)系統(tǒng)一的問(wèn)題，提出一種基于五點(diǎn)圓靶標(biāo)的手眼標(biāo)定方法，并進(jìn)行手眼標(biāo)定實(shí)驗(yàn)分析，證明所提方法的有效性。
　　(3)針對(duì)機(jī)械臂控制精度問(wèn)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(jìn)算法，為了驗(yàn)證所提方法收斂速度和參數(shù)估計(jì)精度，設(shè)計(jì)了MI-MPIDNN辨識(shí)系統(tǒng)，通過(guò)實(shí)驗(yàn)對(duì)多輸入多輸出非線性動(dòng)態(tài)系統(tǒng)進(jìn)行辨識(shí)，驗(yàn)證了方法的有效性。
　　(4)針對(duì)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(duì)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(guò)對(duì)不同級(jí)別的高斯噪聲以及其他類型噪聲的去噪效果分析，驗(yàn)證了方法的有效性。
　　(5)為了讓機(jī)械臂智能抓取視場(chǎng)范圍內(nèi)的物體，深入研究了SSD(Single ShotMultiBox Detector)目標(biāo)檢測(cè)算法，針對(duì)SSD目標(biāo)檢測(cè)算法對(duì)小目標(biāo)識(shí)別和定位精度不高的問(wèn)題，提出一種基于特征金字塔的SSD目標(biāo)