[发明专利]一种基于视觉的布料缝纫轨迹校准方法

说明书

本发明提出了一种基于视觉的布料缝纫轨迹校准方法，包括：截取包含布料的感兴趣ROI区域；采用图像处理算法查找ROI区域中的图像轮廓的拐点；采集待加工布料的数据集，将每种布料都采集一些图片以供深度学习模型进行训练，布料采集完成后对其边缘的拐点进行标注，标注完成之后训练深度学习关键点检测模型，找到图像轮廓的拐点；采用曲率搜索法和深度学习方法共同来查找拐点，在各自查找拐点之后，获取两种方法查找的拐点的数量和距离，根据拐点的数量和距离判断是否要放弃该片布料；在查找到布料轮廓的拐点之后，基于拐点进行布料轮廓的轨迹偏移；将偏移后的曲线和经过调试后合格的模板曲线进行比对，检测算法的整体可靠性。

技术领域

本发明涉及工业机器人技术领域，特别涉及一种基于视觉的布料缝纫轨迹校准方法。

背景技术

在机器人自动化缝纫领域，多数都是沿着布料的外边缘进行缝制，但有时候由于机器人的精度、相机标定精度和缝纫机构的机械误差，机器人实际运动的路线会和布料的边缘轮廓有一定的偏差，比如机器人的实际运动轨迹向布料轮廓的外侧或者内测偏移，这会造成缝纫的工艺效果不达标。

现有的机器人缝纫机构中大多没有对轨迹进行校准或者校准的方法鲁棒性不强，导致在实际缝纫工作中，校准后的缝纫轨迹也和理想的情况有所差距，轻则会缝不上，严重点会导致缝纫机构和机器人发声碰撞。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种基于视觉的布料缝纫轨迹校准方法。

为了实现上述目的，本发明面的实施例提供一种基于视觉的布料缝纫轨迹校准方法，包括如下步骤：

步骤S1，截取包含布料的感兴趣ROI区域；

步骤S2，采用图像处理算法查找ROI区域中的图像轮廓的拐点，包括：

（1）对所述步骤S1的ROI区域进行二值化处理；

（2）查找物料的边缘轮廓；

（3）对物料的边缘轮廓进行降采样处理，以使轮廓点集稀疏；

（4）依次计算布料边缘轮廓每三个点之间的曲率；

（5）计算上一步得到的每一个点的曲率和邻近点曲率的平均值，然后得到每一个点的平均曲率，设定一个阈值，当某一个点的平均曲率大于该阈值时，则认为该点为轮廓的拐点；

步骤S3，采集待加工布料的数据集，将每种布料都采集一些图片以供深度学习模型进行训练，布料采集完成后对其边缘的拐点进行标注，标注完成之后训练深度学习关键点检测模型，在训练完成模型之后，输入步骤S1中获取到的包含布料的ROI区域，找到图像轮廓的拐点；

步骤S4，采用曲率搜索法和深度学习方法共同来查找拐点，在各自查找拐点之后，获取两种方法查找的拐点的数量和距离，根据拐点的数量和距离判断是否要放弃该片布料；

步骤S5,在查找到布料轮廓的拐点之后，基于拐点进行布料轮廓的轨迹偏移；

步骤S6，将偏移后的曲线和经过调试后合格的模板曲线进行比对，检测算法的整体可靠性。

进一步，在所述步骤S2的（4）中，所述依次计算布料边缘轮廓每三个点之间的曲率，包括：依次计算从起始点开始的每三个点的外接圆半径，然后取外接圆半径的倒数作为曲率，得到轮廓上每个点的曲率。

进一步，在所述步骤S2的（5）中，

每个点的平均曲率如下所示：

其中，i是轮廓上的某一点的索引，k是以i点为中间点，前后各选取k/2个点来求取平均曲率，是轮廓上第点的曲率，是求取后的第i点的平均曲率，然后用的值和设定的阈值作比较，当大于某一阈值，就认为该索引点就是对应的轮廓拐点。