[发明专利]一种基于目标检测的机器人分拣方法

权利要求书

1.一种基于目标检测的机器人分拣方法，其特征在于，包括以下步骤：

获取回收纺织品传送带上的多件待回收纺织品的纺织品图像，对所述纺织品图像进行灰度化，得到原灰度图像；

对所述原灰度图像进行多尺度采样，得到多个尺度采样图像；

对所述多个尺度采样图像中的每个尺度采样图像进行前景分割，确定每个尺度采样图像对应的前景区域，得到多个前景区域；

对于所述多个前景区域中的每个前景区域，确定所述前景区域中的每个像素点对应的梯度方向线和归一化梯度幅值；

对于所述多个前景区域中的每个前景区域，根据所述前景区域中的每个像素点对应的梯度方向线，确定所述像素点对应的边缘特征点对，其中，边缘特征点对包括两个边缘特征点；

对于所述多个前景区域中的每个前景区域，对所述前景区域中的每个像素点对应的边缘特征点对包括的每个边缘特征点对应的采样区域进行邻域方差均值处理，确定所述边缘特征点对应的材质特征值和亮度特征值；

对于所述多个前景区域中的每个前景区域，根据所述前景区域中的像素点对应的归一化梯度幅值和边缘特征点对包括的两个边缘特征点对应的材质特征值和亮度特征值，确定所述前景区域对应的采样效果；

对采样效果最好的前景区域进行纺织品分类，得到多个纺织品类别，其中，采样效果最好的前景区域是所述多个前景区域中的各个前景区域对应的采样效果中最大的采样效果对应的前景区域；

根据所述多个纺织品类别，控制机器人对所述多件待回收纺织品进行分拣归类。

2.根据权利要求1所述的方法，其特征在于，所述对所述前景区域中的每个像素点对应的边缘特征点对包括的每个边缘特征点对应的采样区域进行邻域方差均值处理，确定所述边缘特征点对应的材质特征值和亮度特征值，包括：

对于所述边缘特征点对应的采样区域中的每个像素点，根据所述像素点的灰度值和所述像素点对应的预设数目个邻域像素点的灰度值，确定所述像素点对应的每个邻域像素点与所述像素点之间的灰度差值，得到所述像素点对应的预设数目个灰度差值；

根据所述边缘特征点对应的采样区域中的每个像素点对应的预设数目个灰度差值，确定所述像素点对应的灰度差值方差；

对所述边缘特征点对应的采样区域中的每个像素点对应的灰度差值方差进行归一化，得到所述像素点对应的归一化方差；

根据所述边缘特征点对应的采样区域中的每个像素点对应的预设数目个邻域像素点的灰度值，确定所述像素点对应的邻域均值；

对所述边缘特征点对应的采样区域中的每个像素点对应的邻域均值进行归一化，得的归一化均值；

根据所述边缘特征点对应的采样区域中的像素点的数量、所述边缘特征点对应的采样区域中的各个像素点对应的归一化方差和归一化均值，确定所述边缘特征点对应的材质特征值和亮度特征值。

3.根据权利要求2所述的方法，其特征在于，所述确定所述边缘特征点对应的材质特征值和亮度特征值对应的公式为：

其中，δ是所述边缘特征点对应的材质特征值，h是所述边缘特征点对应的亮度特征值，J是所述边缘特征点对应的采样区域中的像素点的数量，δ_j是所述边缘特征点对应的采样区域中的第j个像素点对应的归一化方差，h_j是所述边缘特征点对应的采样区域中的第j个像素点对应的归一化均值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述前景区域中的像素点对应的归一化梯度幅值和边缘特征点对包括的两个边缘特征点对应的材质特征值和亮度特征值，确定所述前景区域对应的采样效果，包括：

根据所述前景区域中的每个像素点对应的边缘特征点对包括的两个边缘特征点对应的材质特征值和亮度特征值，确定所述像素点对应的分类系数；

根据所述前景区域中的每个像素点对应的分类系数，确定所述像素点对应的分类程度；

将所述前景区域中的每个像素点对应的归一化梯度幅值，确定为所述像素点对应的边缘点概率；

根据所述前景区域中的各个像素点对应的边缘点概率，确定所述前景区域中的每个像素点对应的关注权重；

根据所述前景区域中的各个像素点对应的关注权重和分类程度，确定所述前景区域对应的采样效果。