[发明专利]基于图像特征分析的塔吊夹具物料匹配性识别方法和装置

权利要求书

1.一种基于图像特征分析的塔吊夹具物料匹配性识别方法，其特征在于，包括：

以待使用塔吊夹具为中心建立第一空间坐标系，在所述第一空间坐标系的X、Y、Z轴上各设置一个摄像头，采集所述夹具的图像；

以待吊装物料为中心建立第二空间坐标系，在所述第二空间坐标系的X、Y、Z轴上各设置一个摄像头，采集所述物料的图像；

提取所述夹具的图像的特征，输入第一分类神经网络，获得所述夹具的类型，所述夹具的类型包括夹具的外观形状、制作材料、尺寸、承重上限信息；

提取所述物料的图像的特征，输入第二分类神经网络，获得所述物料的类型，所述物料的类型包括物料的外观形状、材料、尺寸，并估计所述物料的重量；

当所述物料的重量小于所述夹具的承重上限时，在预设的夹具物料匹配库中查找是否包含所述夹具的类型和物料的类型组成的匹配对，如果存在所述匹配对则确认所述夹具和物料匹配，如果不存在则确认所述夹具和物料不匹配；

所述以待使用塔吊夹具为中心建立第一空间坐标系，在所述第一空间坐标系的X、Y、Z轴上各设置一个摄像头，采集所述夹具的图像，包括：

以塔吊夹具的质心为原点建立第一空间坐标系，在所述第一空间坐标系的X、Y、Z轴上距离所述夹具的质心相同距离处各设置一个摄像头；

三个摄像头分别朝向所述夹具拍摄所述夹具的图像，得到所述夹具三个方位的图像信息；

所述以待吊装物料为中心建立第二空间坐标系，在所述第二空间坐标系的X、Y、Z轴上各设置一个摄像头，采集所述物料的图像，包括：

以待吊装物料的质心为原点建立第二空间坐标系，在所述第二空间坐标系的X、Y、Z轴上距离所述待吊装物料的质心相同距离处各设置一个摄像头；

三个摄像头分别朝向所述待吊装物料拍摄所述待吊装物料的图像，得到所述待吊装物料三个方位的图像信息；

所述提取所述夹具的图像的特征，输入第一分类神经网络，获得所述夹具的类型，所述夹具的类型包括夹具的外观形状、制作材料、尺寸、承重上限信息，包括：

将大批量已知夹具的外观形状、制作材料、尺寸、承重上限信息导入到卷积神经网络，得到各个夹具的类型；将已知夹具的外观形状、制作材料、尺寸、承重上限信息和夹具的类型构成的特征向量作为训练样本，构建训练样本集；

用训练样本集训练由基于全连接神经网络的自动编码器模型和K-means模型构成的AKC模型；

提取所述夹具的图像的特征，得到所述夹具的外观形状、制作材料、尺寸；

将待分类夹具的外观形状、制作材料、尺寸输入训练好的AKC模型中，得到该待分类夹具的承重上限；

所述提取所述物料的图像的特征，输入第二分类神经网络，获得所述物料的类型，所述物料的类型包括物料的外观形状、材料、尺寸，并估计所述物料的重量，包括：

将大批量已知物料的外观形状、材料、尺寸、重量信息导入到卷积神经网络，得到各个物料的类型；将已知物料的外观形状、制作材料、尺寸、重量信息和物料的类型构成的特征向量作为训练样本，构建训练样本集；

用训练样本集训练由基于全连接神经网络的自动编码器模型和K-means模型构成的AKC模型；

提取所述物料的图像的特征，得到所述物料的外观形状、材料、尺寸；

将待分类物料的外观形状、材料、尺寸输入训练好的AKC模型中，得到该待分类物料的重量。

2.如权利要求1所述的方法，其特征在于，

所述当所述物料的重量小于所述夹具的承重上限时，在预设的夹具物料匹配库中查找是否包含所述夹具的类型和物料的类型组成的匹配对，如果存在所述匹配对则确认所述夹具和物料匹配，如果不存在则确认所述夹具和物料不匹配，包括：

比较所述物料的重量和所述夹具的承重上限的大小关系，得到所述物料的重量小于所述夹具的承重上限；

在预设的夹具物料匹配库中查找是否包含所述夹具的类型和物料的类型组成的匹配对，其中所述预设的夹具物料匹配库包括多个从已完成的大批量吊装任务中提取的夹具的类型和物料的类型组成的匹配对；

如果所述匹配库中存在所述待使用塔吊夹具的类型和待吊装物料的类型组成的匹配对，则确认所述待使用塔吊夹具和待吊装物料匹配，如果不存在则确认所述待使用塔吊夹具和待吊装物料不匹配。