[发明专利]基于深度学习的3D零部件吸取方法

权利要求书

1.一种基于深度学习的3D零部件吸取方法，其特征在于，包括自主训练和吸取两大步骤，其中：

自主训练步骤包括多次重复的以下步骤：

针对要吸取的3D零部件，随机生成平面坐标为XY的吸取点，并利用激光位移传感器获取该吸取点的深度坐标Z；

利用相机采集以吸取点的XY坐标为中心点的矩形区域二维图像信息，并结合吸取点的深度坐标Z，指挥机器人利用空压吸盘对准矩形区域吸取3D零部件；

利用空压吸盘上的空气压力传感器采集机器人吸取零部件成功或失败的吸取结果标签；

把矩形区域的二维图像信息和吸取结果标签输入深层卷积神经网络进行训练；

吸取步骤包括：

利用相机采集要吸取的3D零部件的二维图像信息；

将二维图像信息随机生成多个矩形区域图像；

根据深层卷积神经网络训练结果，获取吸取结果标签中成功标签概率最高的矩形区域图像中心点坐标；

根据矩形区域图像中心点坐标，利用激光位移传感器获取该矩形区域图像中心点深度坐标，指挥机器人吸取零部件。

2.如权利要求1所述的方法，其特征在于，

将二维矩形区域图像信息输入神经网络前，进行图像的旋转增量，旋转的计算公式如下：

X1Y11=10c0-1d001cosθsinθ0-sinθcosθ000110-a0-1b001X0Y01]]>

其中，X1,Y1为旋转后的坐标值，X0,Y0为旋转前的坐标值，a,b是旋转前的矩形区域中心坐标，c,d是旋转后的矩形区域中心坐标，θ是旋转角度。