[发明专利]一种利用低精度深度相机高精度抓取形状对称工件的方法

权利要求书

1.一种利用低精度深度相机高精度抓取形状对称工件的方法，其特征在于，包括以下步骤：

1)在抓取坐标系O-XYZ中对生产线抓取区运送工件料盘进行位置测定；

2)对机械臂抓取系统进行手眼标定，得到相机坐标系与抓取坐标系之间的齐次坐标转换矩阵T₁；

3)生成3D工件模型点云并标记抓取位置；

4)构建基于深度学习的工件检测网络模型并进行训练；

5)根据训练后的工件检测网络模型进行2D图像目标检测；

6)集成图像目标检测结果和料盘位置信息，从3D抓取区观测点云中分割得到工件观测点云；

7)根据分割得到的工件观测点云估计抓取位姿。

2.根据权利要求1所述的一种利用低精度深度相机高精度抓取形状对称工件的方法，其特征在于，所述的步骤4)具体包括以下步骤：

41)采用相机从多个角度拍摄多种遮挡情况下的工件的2D RGB图像；

42)在图像上标注出每个工件的外接矩形框并生成训练样本库；

43)选择卷积神经网络框架SSD作为工件检测网络模型框架；

44)根据训练样本库，采用参数调优的方式训练工件检测网络模型。

3.根据权利要求1所述的一种利用低精度深度相机高精度抓取形状对称工件的方法，其特征在于，所述的步骤5)具体包括以下步骤：

51)采用深度相机获取生产线抓取区范围的2D RGB图像与2D深度图像，并将2D深度图像转换成3D点云的表现形式；

52)利用训练好的工件检测网络模型从2D RGB图像上检测工件，并采用2D矩形框表示工件位置和大小；

53)根据深度相机标定参数，配准2D RGB图像和2D深度图像，将2D RGB图像中的2D矩形框投影到3D点云空间中，形成3D矩形框。

4.根据权利要求3所述的一种利用低精度深度相机高精度抓取形状对称工件的方法，其特征在于，所述的步骤6)具体包括以下步骤：

61)根据步骤53)得到的3D矩形框从3D抓取区观测点云中分割出第一工件观测点云；

62)以料盘所在位置为中心，根据工件大小定义3D虚拟矩形框，从3D抓取区观测点云中分割出第二工件观测点云；

63)将第一工件观测点云和第二工件观测点云取并集，然后对合并后的工件观测点云以点云距离为测度进行区域生长，剔除其它目标观测点云和噪音干扰，得到优化后的工件观测点云。