[发明专利]基于图像分析的机器人自动搬运方法、系统和存储介质

说明书

本发明公开基于图像分析的机器人自动搬运方法、系统和存储介质，其中，机器人自动搬运方法包括：获取参考物料的图像训练集；使用图像训练集训练构建的深度卷积神经网络，得到与参考物料对应的神经网络模型；控制机器人获取实际搬运物料的物料图像；使用神经网络模型对实际搬运物料的物料图像进行物料特征匹配，得到实际搬运物料的物料种类；对实际搬运物料的物料图像进行坐标定位，得到实际搬运物料的空间坐标；根据实际搬运物料的物料种类和空间坐标，计算机器人的物料搬运移动参数；按照物料搬运移动参数，控制机器人搬运物料。本发明的技术方案旨在解决现有技术中搬运货物的效率和准确率不高，对现场环境感知力弱的问题。

技术领域

本发明涉及机器人技术领域，具体为一种基于图像分析机器人自动搬运方法、系统和存储介质。

背景技术

在工业生产中经常需要进行物料搬运，传统的物料搬运往往通过人工进行，然而随着机器人技术的日益成熟，越来越多的物料搬运工作交由机器人完成，从而实现了物料搬运过程的自动化。

现有的通过机器人进行物料搬运的技术中，主要通过在需要搬运的货物上设置相应的识别码，例如ARtag码、iBeacon标签或者射频标签等，然后通过设置的摄像头扫描上述识别码；在得到上述识别码后，上传信息在数据库中匹配搜索，从而得到该货物的相应参数，例如形状、颜色和装载物件等信息。当得到货物的相应参数后，控制机器人调整相应的搬运姿态和搬运速度，从而保证货物的高效稳定搬运。

然而，对于工业生产中现场环境较为复杂，通常货物码放较为混乱，从数据库得到的货物参数并不能有效模拟现场货物的码放环境，导致现场工作的机器人搬运货物的效率和准确性不高，机器人并不能有效地感知现场实际环境，根据现场实际环境进行货物搬运。

发明内容

本发明提供一种基于图像分析的机器人自动搬运方法、系统和存储介质，旨在解决现有技术中机器人搬运货物的效率和准确性不高，机器人不能有效感知现场实际环境，根据现场实际环境搬运货物的问题。

为实现上述目的，本发明提出一种基于图像分析的机器人自动搬运方法，包括：

获取参考物料的图像训练集；

使用图像训练集训练构建的深度卷积神经网络，得到与参考物料对应的神经网络模型；

控制机器人获取实际搬运物料的物料图像；

使用神经网络模型对实际搬运物料的物料图像进行物料特征匹配，得到实际搬运物料的物料种类；

对实际搬运物料的物料图像进行坐标定位，得到实际搬运物料的空间坐标；

根据实际搬运物料的物料种类和空间坐标，计算机器人的物料搬运移动参数；

按照物料搬运移动参数，控制机器人搬运物料。

优选地，所述获取参考物料的图像训练集的步骤包括：

选取包含有不同种类参考物料，摄取每种参考物料的一张或多张物料图像；

标记每张物料图像对应的物料种类；

分别保存每一物料种类的参考物料对应所有的物料图像，得到图像训练集。

优选地，所述使用图像训练集训练构建的深度卷积神经网络，得到与参考物料对应的神经网络模型的步骤，包括：

对参考物料的图像训练集进行多次卷积操作，得到参考物料的特征图像；

压缩参考物料的特征图像，得到每张特征图像包含的所有物料特征；

提取同一物料种类的参考物料所对应的所有物料特征；

使用多种参考物料中每一类参考物料的所有物料特征，建立神经网络模型。