[发明专利]一种基于CornerNet的智能分拣机械臂系统和抓取控制方法

说明书

本发明的基于CornerNet的智能分拣机械臂系统和抓取控制方法，所述系统包括机械臂、摄像头和中控端和服务器端，所述服务器用于训练CornerNet神经网络模型和BP神经网络模型并部署于中控端，所述中控端采用CornerNet神经网络模型对摄像头采集目标物体的图像进行图像识别以定位目标物体的类别和位置坐标，并根据物体的类别和位置坐标经BP神经网络模型拟合出机械臂的最佳抓取动作，从而将物体抓取到指定位置。本发明的智能分拣机械臂系统和抓取控制方法，通过部署CornerNet神经网络模型和BP神经网络模型，能够应用于各类分拣场合，能智能识别物体的类别和位置坐标，提高分拣的准确率，适用各类工业分类场景、家务机器人或医疗辅助等应用。

技术领域

本发明涉及神经网络领域，尤其涉及一种智能分拣机械臂系统和抓取控制方法。

背景技术

目前大多数工厂多采用流水线结合劳工操作的方法进行各种加工作业，效率很低，并且浪费人力物力，加工精度不高。市面上的智能机械臂大多数用于流水线，参与重复的固定的工作，采用定制化设计，在一定程度上缺乏通用性，并且运动维度不足，不适用于部分复杂的工作。若应用于其他工作，例如水果分类和快递抓取等，则需要重新设计机械臂的动作去自动调节，否则无法抓取物体。

发明内容

本发明的目的在于提供一种通用性强的智能分拣机械臂系统，能够根据所抓取物体的类别、位置、大小，快速生成最佳的抓取动作，并抓取物体运动到指定位置。

为实现上述目的，本发明提供了以下技术方案：

一种基于CornerNet的智能分拣机械臂系统的抓取控制方法，包括以下步骤：

进一步的，所述智能分拣机械臂系统的工作流程包括以下步骤：

S11，摄像头采集包含目标物体和机械臂的图像，并输入中控端；

S12，基于CornerNet神经网络模型进行图像识别，并输出目标物体的类别和位置坐标；

S13，将目标物体的位置坐标与机械臂的位置信息输入BP神经网络模型，获取最佳抓取参数；

S14，机械臂根据抓取参数调整机械臂的各个舵机，并将目标物体放置到指定位置。

进一步的，所述抓取参数包括机械臂的抓取距离和机械臂的抓取方向，所述机械臂的抓取距离的对应抓取参数为机械臂各可移动部分与水平位置的夹角。

进一步的，所述机械臂的抓取距离通过4个舵机实现，4个舵机对应的可移动部分与水平位置的夹角为θ₁，θ₂，θ₃，θ₄，机械臂的抓取方向为α₁，通过以下公式获得：

S₂＝h₁cosθ₁+h₂cosθ₂+h₃cosθ₃+h₄cosθ₄

S₁＝S₂

H₁＝h₁sinθ₁+h₂sinθ₂+h₃sinθ₃+h₄sinθ₄≈0