[发明专利]机器人对工件关键点识别与定位的方法

说明书

提供一种机器人对工件关键点识别与定位的方法，本发明建立了工件实物图到机器人作业点直接的映射关系，通过拍照的方式确定施工的关键点位，通过深度卷积神经网络进行训练得到关键点识别模型，能够在工件位置发生缩放、平移、旋转、微小形变扭曲时，仍然能够准确定位工件上关键点即示教点，使工件关键点位的识别不受工件摆放位置、旋转角度、微小形变的影响，关键点识别的误差较小，制作成本低廉。

技术领域

本发明属于零件数字化加工技术领域，具体涉及一种机器人对工件关键点识别与定位的方法。

背景技术

近年来，随着工业生产自动化的发展以及人力成本的上升，机器人技术在生产领域得到了广泛的应用。然而，现有的机器人生产需要操作人员在生产前进行示教编程，在之后的生产过程中，每次工件摆放的位置、方向均需要与示教编程时一致或相差在精度范围内。这些要求使得机器人无法推广到批次小、灵活性高的行业。现有的机器人对工件关键点进行寻位的算法主要有脚点识别、触碰寻位、激光跟踪等方法，其中，脚点识别只能识别工件的脚点并且进行定位，但是各个脚点间没有联系，无法形成有效的输出；触碰寻位以及激光跟踪的方法，只能在机器人到达指定位置后才能确定关键点位置，并且激光跟踪的成本较高。机器人在利用上述几种现有寻位算法对工件关键点进行识别与定位时，在工件位置发生平移、旋转、微小形变时，不能准确定位关键点(示教点)，使示教编程预设点与工件实际点有偏差，关键点识别定位精度低。因此有必要提出改进。

发明内容

本发明解决的技术问题：提供一种机器人对工件关键点识别与定位的方法，本发明建立了工件实物图到机器人作业点直接的映射关系，通过拍照的方式确定施工的关键点位，通过深度卷积神经网络进行训练得到关键点识别模型，能够在工件位置发生缩放、平移、旋转、微小形变扭曲时，仍然能够准确定位关键点即示教点，使关键点位不受工件摆放位置、旋转角度、微小形变的影响，关键点识别误差小，制作成本低廉。

本发明采用的技术方案：机器人对工件关键点识别与定位的方法，建立了工件实物图到机器人作业点直接的映射关系，通过拍摄的方式确定工件施工的关键点位，具体包括以下步骤；

1)在工位上架设相机，将相机安装在工位上方；

2)建立工位正交坐标系，以工位上的一点为原点，计算相机坐标；

3)收集工件的图像，以实际识别任务为场景拍摄；

4)采用计算机系统打开步骤3)中收集的工件图像，在图像上标注需要识别的关键点位或机器人示教关键点位，将标注位置与图像分别保存在计算机系统中；

5)对工件图像进行随机缩放、随机平移、随机旋转和扭曲，同时对发生位置改变的图像上的关键点进行相应的变化处理，得到扭曲后工件图像上的关键点；

6)使用深度卷积神经网络对工件图像与标注位置进行端到端的训练，其中输入为步骤5)中处理的工件图像，训练目标为步骤5)得到的关键点，最终得到关键点识别模型；并将训练好的关键点识别模型输入机器人系统；

7)将待加工工件放置在工位上，通过相机拍摄待加工工件图像，机器人使用训练好的关键点识别模型对待加工工件图像进行预测，得到待加工工件上的关键点位置；

8)结合工位上相机与待加工工件的相对位置，计算待加工工件上关键点位置在步骤2)的工位坐标系中的坐标，该坐标为工序中需要定位的关键点，然后使机器人在关键点上进行相应操作。

上述步骤3)中，所述收集的工件图像，一张就能满足要求，但是图片越多效果越好；当拍摄工件目标在普通场景时，采用普通相机拍摄普通的2D图像，当所述拍摄工件目标为工业点云时，则需要激光扫描设备拍摄工业点云图像。

上述步骤4)中，所述工件图像为2D图像时，则图像采用RGB图像矩阵存储，标注位置使用二维点坐标保存；当工件图像为工业点云图像时，则图像采用三维坐标点保存为数据矩阵，标注位置使用三维点坐标保存。