面向再制造拆卸產(chǎn)品的工業(yè)機(jī)器人視覺識(shí)別與定位研究
【文章頁數(shù)】:83 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-2機(jī)器視覺在工業(yè)機(jī)器人中的應(yīng)用實(shí)例日本公司研發(fā)的binpicking視覺機(jī)器人,利用機(jī)器學(xué)習(xí)來進(jìn)行散堆拾撿和故障異常檢測(cè)
4KUKA、意大利COMAU、中國SIASUN等,已被大量投入使用。機(jī)器視覺作為應(yīng)用領(lǐng)域關(guān)注的重點(diǎn)方向之一,為提高機(jī)器人的智能性、規(guī)避人為主觀因素干擾提供了機(jī)會(huì)。如圖1-2所示為幾種常見的基于機(jī)器視覺引導(dǎo)的工業(yè)機(jī)器人應(yīng)用實(shí)例。圖1-2(a)中所示為正在進(jìn)行托盤分揀的分揀機(jī)器人;1....
圖2-3YOLO目標(biāo)檢測(cè)系統(tǒng)[34]
15優(yōu)點(diǎn):1)更高的檢測(cè)精度。在公開數(shù)據(jù)集PASCALVOC上檢測(cè)精度高達(dá)78.8%。2)生成候選區(qū)域用時(shí)更短。RPN完全從數(shù)據(jù)中學(xué)習(xí)建議區(qū)域,共享卷積計(jì)算,生成的少量候選區(qū)域也減少了區(qū)域方面的全連接層成本。因此可以從更深入和更具表達(dá)性的特征中輕松獲益。實(shí)驗(yàn)證明,在測(cè)試時(shí)RPN網(wǎng)....
圖2-4交并比示意圖
16卷積網(wǎng)絡(luò)使用整個(gè)圖像的特征來預(yù)測(cè)每個(gè)邊界框,首先輸入圖像被劃分成S×S的網(wǎng)格。每個(gè)網(wǎng)格都會(huì)生成一系列的預(yù)測(cè)默認(rèn)框,假設(shè)某個(gè)目標(biāo)的中心存在于某一網(wǎng)格區(qū)間內(nèi),該網(wǎng)格區(qū)間即需要承擔(dān)該目標(biāo)檢測(cè)任務(wù),該任務(wù)包括對(duì)默認(rèn)框的坐標(biāo)位置和置信度分?jǐn)?shù)進(jìn)行評(píng)估。置信度分?jǐn)?shù)反映了該模型對(duì)默認(rèn)框是否包....
圖2-6錨點(diǎn)框結(jié)構(gòu)
18但小邊界框的小誤差對(duì)IOU的影響要大得多。因此在對(duì)待大小物體的處理上,還有待加強(qiáng)。(2)SSD:SingleShotMultiBoxDetectorSSD[35]網(wǎng)絡(luò)是一個(gè)既保證檢測(cè)速度,又保證檢測(cè)精度的單次多目標(biāo)檢測(cè)網(wǎng)絡(luò)。該網(wǎng)絡(luò)綜合了YOLO網(wǎng)絡(luò)的回歸理論和FasterR-....
本文編號(hào):4015454
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/4015454.html