[发明专利]一种基于机器学习的飞拍图像误差预测方法

权利要求书

1.一种基于机器学习的飞拍图像误差预测方法，工件保持静态，相机位于机械臂终端进行运动，其特征在于，具体步骤是：

步骤一、确认静态拍摄点位数量和位姿：根据工件拍摄需求，进行静态拍摄点位的位置调试和姿态调试，并记录静态图像及机械臂终端的位置数据和姿态数据；静态拍摄点位是传统方法中相机速度为0时的拍摄点位，飞拍的路径点位是把静态拍摄点位作为初始值；

步骤二、初定机械臂终端速度及相机提前触发距离：设定N个机械臂终端速度和M个相机提前触发距离，N是大于1的正整数，M是大于1的正整数；从设定的N个机械臂终端速度和M个相机提前触发距离中，各个静态拍摄点位分别初定一个机械臂终端速度和一个相机提前触发距离；

步骤三、进行飞拍循环并记录数据：根据步骤二中初定的一个机械臂终端速度和一个相机提前触发距离，进行T次飞拍循环，T是大于1的正整数，记录飞拍图像和机械臂终端位姿、记录设定速度、记录实时速度、记录设定相机拍摄触发位置、记录实际相机拍摄触发位置、记录相机拍摄触发信号、记录拍摄点位序号以及记录循环次数；

步骤四、参数组合：将静态拍摄点位的N个机械臂终端速度和M个相机提前触发距离进行参数组合，形成N*M套参数组合；

步骤五、重复试验：根据步骤四中的N*M套参数组合，重复步骤三，进行不同参数组合下的重复试验，并记录相关数据；

步骤六、模型输入：将步骤五中的机械臂终端位姿、设定速度、实时速度、设定相机拍摄触发位置、实际相机拍摄触发位置、相机拍摄触发信号、拍摄点位序号以及循环次数作为模型输入；

步骤七、计算误差：使用OpenCV2工具，计算步骤五中飞拍图像与静态图像在图像坐标系XY轴上的数值差异；

步骤八、离散化处理：对步骤七中每个飞拍位置的飞拍图像像素与静态图像像素误差进行等频分箱离散化处理；

步骤九、模型目标：将步骤八中等频分箱离散化后的飞拍图像像素与静态图像像素误差前移一个飞拍动作周期，作为模型预测目标，即使用前一个飞拍动作周期的机械臂终端位姿、机械臂终端速度、实际相机拍摄触发位置来预测当前飞拍动作周期的飞拍图像误差；

步骤十、超参数优化：选择机器学习模型xgboost，使用优化算法对模型的超参数进行优化，超参数确定后依次进行模型的训练、验证以及测试；

步骤十一、导出模型，输出预测飞拍图像误差：根据步骤十中所训练的模型，当输入新的机械臂控制参数时，即可输出对应飞拍图像误差，根据飞拍图像误差进行控制参数验证和评价。

2.根据权利要求1所述的一种基于机器学习的飞拍图像误差预测方法，其特征在于：在步骤三中，所述机械臂终端位姿包括终端X坐标、终端Y坐标、终端Z坐标及rpy三轴角度。

3.根据权利要求1所述的一种基于机器学习的飞拍图像误差预测方法，其特征在于：在步骤十中，所述超参数包括学习速度、样本采样比例、最大树深度以及正则化参数。

4.根据权利要求1所述的一种基于机器学习的飞拍图像误差预测方法，其特征在于：在步骤十一中，所述新的机械臂控制参数包括各个静态拍摄点位对应不同的机械臂终端速度和不同的相机提前触发距离。