[发明专利]用于幕墙板材安装及防碰撞预警的位姿估计方法及装置

说明书

本发明涉及一种用于幕墙板材安装及防碰撞预警的位姿估计方法及装置，属于建筑幕墙安装领域。该方法包括：S1：获取幕墙板材的精准抓取位置：用带有特殊标记点的幕墙板材存放装置存放幕墙板材，使用双目视觉精准定位；S2：获取数据集，并将其划分为训练集、验证集和测试集；S3：训练基于计算机视觉以及深度学习的网络模型，并利用训练完成的模型估算出相机到安装区域的相对位姿关系(T,q)；S4：实时位姿的估计：首先对相机与幕墙机器人抓手即幕墙板材的相对位姿关系进行标定，得到相机到机器人抓手的位姿(Tsubgt;0/subgt;,qsubgt;0/subgt;)；然后(Tsubgt;0/subgt;,qsubgt;0/subgt;)以及(T,q)转换为机器人抓手到安装区域的位姿信息(Tsubgt;e/subgt;,qsubgt;e/subgt;)。

技术领域

本发明属于建筑幕墙安装领域，涉及一种用于幕墙板材安装及防碰撞预警的位姿估计方法及装置。

背景技术

随着建筑技术的发展和建筑审美的提升，近年来在建筑的设计中会更多地使用大型幕墙以增加建筑的设计感，使用玻璃幕墙提高建筑的采光性。然而幕墙尺寸和重量都较大且容易受损，导致其不易搬取移动，其中还有一些幕墙的安装平面并非垂直于地面，而且所处的位置也不便于人工安装，通过人工安装要耗费大量人力的同时还具有一定的危险性。因此需要一种利用机器人安装幕墙的方法，实现板材的安装及防撞预警，其中的关键一步就是实现幕墙板材的精准抓取，并获取幕墙区域与机器人抓手中心位置的相对位姿。

目前，对于幕墙的安装定位问题研究较为有限。在相近的领域中，针对汽车玻璃与边框的位姿关系采用的是双目测距原理，利用结构光源制造特征，通过人工特征描述的方式进行特征匹配以获取深度，并采用计算机图像处理的方式对安装平面拟合，来确定安装平面与标定平面的相对位姿。但对于幕墙而言，要考虑到每一块幕墙的安装位置都各不相同，在室外环境安装可能会受到光照、遮挡等因素的影响。而且由于一些幕墙为玻璃材质，室外天气的变化以及其他玻璃幕墙的光线反射折射都会改变光照情况，从而影响图像的获取，传统的计算机视觉方法面对复杂环境很难有鲁棒性。在安装区域的深度获取上，传统双目测距中最关键的一步是特征匹配，但玻璃幕墙边框较窄、光照变化大、幕墙安装场景中特征重复度高等因素使得使用结构光制造用于特征匹配的特征点的方法并不可取。

在基于深度学习的位姿估计的相关研究中，目前多为对小型物体的单目位姿估计，难以直接应用于幕墙安装场景。同样由于复杂的环境，利用相机直接获取准确深度也具有较大的难度，使用RGB-D图像作为深度学习的数据来训练网络也难以实现。

因此，亟需一种能够应对复杂环境下对幕墙安装区域位姿估计的方法。

发明内容

有鉴于此，本发明的目的在于提供一种用于(非常规/多/不同)姿态幕墙板材安装及防碰撞预警的位姿估计方法，解决使用幕墙机器人安装幕墙时，板材与安装区域的相对位姿关系的问题，提高复杂环境下对幕墙安装区域姿态预测的准确性。

为达到上述目的，本发明提供如下技术方案：

一种用于幕墙板材安装及防碰撞预警的位姿估计方法，具体包括以下步骤：

S1：获取幕墙板材的精准抓取位置：用带有特殊标记点的幕墙板材存放装置存放幕墙板材，使用双目视觉精准定位；

S2：获取数据集，并将其划分为训练集、验证集和测试集；

训练集：主要用于网络参数训练；

验证集：主要用于评估模型，确认网络训练终止时间，防止过拟合。当出现训练损失在下降，验证损失上升时，网络训练终止。

测试集：采用训练时保留最佳参数的网络模型，在测试集上评估模型的泛化能力。如果测试指标性能满足要求，则可以移植到实际场景应用；如果不满足要求，则优化调整网络结构设计，重新开始训练。