[发明专利]基于规则多边形物体角点检测的高精度实时抓取检测方法

权利要求书

1.一种基于规则多边形物体角点检测的高精度实时抓取检测方法，其特征在于包括以下步骤：

1)采集多个规则物体的彩色图，并对图片中物体及其角点进行标注，同时，将图片中其他类似角点的非角点标注为负样本，形成原始数据集；

2)对原始数据集进行数据增强，并根据相应公式计算出增强后图像中的角点位置，建立完整可用、泛化能力强的数据集；

3)构建深度卷积神经网络，并利用已建立好的数据集对深度卷积网络进行训练；

4)将待检测物体图像输入到训练好的深度卷积神经网络模型中，得到图像中待检测物体及其角点的位置信息；

5)利用已知的待检测物体及其角点的位置信息，计算出抓取点的位置及姿态信息。

2.根据权利要求1所述的基于规则多边形物体角点检测的高精度实时抓取检测方法，其特征在于步骤1)中原始数据集通过以下过程得到：

101)采集多个形状规则且具备角点的物体的彩色图像；

102)对彩色图像中待检测物体的类别及位置进行标注；

103)对彩色图像中待检测物体的角点进行标注；

104)将彩色图像中可疑的类似角点的非角点标注为负样本；

105)最终获得含有待检测物体的类别、位置、角点以及非角点信息的原始数据集。

3.根据权利要求1所述的基于规则多边形物体角点检测的高精度实时抓取检测方法，其特征在于步骤2)建立一个完整可用、泛化能力强的数据集过程如下：

201)对原始数据集中的每张图像进行平移，平移的策略为上下左右随机一个方向，且平移后的图像应包含所有原图像中待检测物体的边界框，同时，计算出平移后待检测物体及其角点的位置的信息；

202)对每张图像进行水平翻转和垂直翻转，每种翻转方式有百分之五十的机会被采用，同时利用原标注信息计算出翻转后相应的标注信息；

203)对每张图像进行旋转，旋转策略为从0度到360度，每隔10度旋转一次，每张旋转后的图像有七分之二的概率保持原状，有七分之五的概率被从平移、翻转、加噪声、调节亮度、裁剪图像增强策略中随机选择一种进行进一步增强，同时根据不同的操作计算出增强后的标注信息；

204)对每张图像进行裁剪，裁剪的前提是不会导致待检测物体的信息丢失；

205)对每张图像分别进行加高斯噪声、调节亮度操作；

206)对每张图像从平移、翻转、加噪声、调节亮度、裁剪操作中随机选择两种进行增强处理，并计算出对应的标注信息，这个过程重复五次；

207)将步骤201)～206)得到的所有图像及其对应的标注信息处理保存为标准的VOC数据格式，最终得到增强后的强鲁棒性的数据集。

4.根据权利要求1所述的基于规则多边形物体角点检测的高精度实时抓取检测方法，其特征在于步骤3)构建深度卷积神经网络，并利用已建立好的数据集对深度卷积网络进行训练具体为：

301)利用步骤2)中得到的所有图像的标注信息，采用k-means聚类算法得到适合于该数据集的anchor值；

302)将图像分别划分成不同大小的网格，分别计算待检测物体边界框的中心点在不同网格中的位置，在具体某一个网格中相对于网格原点的偏移量以及边界框的长和宽；

303)构建深度卷积神经网络，包括设计卷积层的激活函数，输出层的分类/回归函数以及loss函数；

304)设置神经网络的训练参数，包括总的训练批次和迭代次数、每一个训练批次的大小、初始学习率以及学习衰减率；

305)将训练集中的图像输入到深度卷积神经网络中，采用基于Adam优化器的优化方法对交叉熵损失函数求最优解来优化神经网络的权重参数，直到达到设定的迭代次数，完成深度卷积神经网络的训练。