[发明专利]钢板角点与边点定位方法和工件抓取方法及生产线

说明书

本发明公开一种钢板角点与边点定位方法和工件抓取方法及生产线。其中，所述钢板角点与边点定位方法包括以下步骤：针对特定场景设计对应的角点与边点检测的学习网络；将预设人工合成的场景图片数据放到学习网络中进行训练，以反向传播优化参数，生成精确预训练模型；获取真实场景的角点图片和边点图片，并将真实场景的图片数据放到学习网络中进行训练，进一步提升模型的准确性与鲁棒性，生成最终检测模型。本发明技术方案有利于提高钢板角点与边点定位的精度。

技术领域

本发明涉及角点和边点定位技术领域，特别涉及一种钢板角点与边点定位方法和工件抓取方法。

背景技术

传统的图像处理方法，对相机拍照生成的图片进行处理，通过定位角点与边点在图象中的位置，再通过坐标系转换，从而确定钢板在机器人坐标系下的位置。然而光照的不同强度对角点与边点定位的准确性影响较大，使得传统的方法，角点和边点的定位检测不够准确，检测成功率只有约在60％-80％左右。

发明内容

本发明的主要目的是提供一种钢板角点与边点定位方法，旨在提高检测钢板角点和边点的准确率。

为实现上述目的，本发明提出的钢板角点与边点定位方法，包括以下步骤：

针对特定场景设计对应的角点与边点检测的学习网络；

将预设人工合成的场景图片数据放到学习网络中进行训练，以反向传播优化参数，生成精确预训练模型；

获取真实场景的角点图片和边点图片，并将真实场景的图片数据放到学习网络中进行训练，由精确预训练模型生成最终检测模型。

可选地，所述针对特定场景设计对应的角点与边点检测的学习网络的步骤包括：

特征提取模块通过卷积模块提取自下而上和自上而下的特征，将两种特征相结合，将结合后的特征再次使用卷积运算，消除混叠效应；

区域提名模块训练一个粗的潜在目标区域提名模块，以便初步定位出大致的目标区域；

最终预测模块通过训练一个卷积与全连接相结合的网络，进一步精确的预测角点与边点的具体位置；

将特征提取模块、区域提名模块以及最终预测模块进行端到端的整体训练，在预测时则三个模块串联使用。

可选地，在将预设人工合成的场景图片数据放到学习网络中进行训练，以反向传播优化参数，生成精确预训练模型的步骤之前还包括：

将学习网络在目前公开的数据集上进行预训练，生成预训练模型。

可选地，人工合成场景图片数据的步骤包括：

获取相机所拍摄的场景图片；

根据场景图片，人工合成若干的合成图片；

对合成图片进行角点或者边点进行标注。

可选地，根据场景图片，人工合成若干的合成图片的步骤包括：

根据第一光照强度和第一光照角度生成第一合成图片；

根据第二光照强度和第二光照角度生成第二合成图片；

根据第三光照强度和第三光照角度生成第三合成图片；

其中，第一光照强度大于第二光照强度，且小于第三光照强度；

第一光照角度大于第二光照角度，且小于第三光照角度。

可选地，根据不同的工作场景，人工合成若干的合成图片的步骤还包括：

根据第四光照强度和第四光照角度生成第四合成图片；

根据第五光照强度和第五光照角度生成第五合成图片；