[发明专利]基于深度学习的3D零部件吸取方法

摘要

本发明公开了一种基于深度学习的3D零部件吸取方法，包括自主训练和吸取两大步骤，自主训练包括随机生成平面坐标为XY的吸取点，并利用激光位移传感器获取该吸取点的深度坐标Z；采集以XY坐标为中心点的矩形区域二维图像信息和机器人吸取零部件成功或失败的结果标签，输入深层卷积神经网络进行训练；吸取包括采集零部件的二维图像信息，并随机生成多个矩形区域图像；把成功标签概率最高的矩形图像中心点坐标输送给机器人，结合激光位移传感器获得的深度坐标吸取零部件。本发明，通过机器人自主训练实现3D零部件吸取，克服了现有视觉定位技术中存在的不足，可以灵活应对不同形状的零部件，摆脱对视觉工程师和环境条件的依赖。

主权项

一种基于深度学习的3D零部件吸取方法，其特征在于，包括自主训练和吸取两大步骤，其中：自主训练步骤包括多次重复的以下步骤：针对要吸取的3D零部件，随机生成平面坐标为XY的吸取点，并利用激光位移传感器获取该吸取点的深度坐标Z；利用相机采集以吸取点的XY坐标为中心点的矩形区域二维图像信息，并结合吸取点的深度坐标Z，指挥机器人利用空压吸盘对准矩形区域吸取3D零部件；利用空压吸盘上的空气压力传感器采集机器人吸取零部件成功或失败的吸取结果标签；把矩形区域的二维图像信息和吸取结果标签输入深层卷积神经网络进行训练；吸取步骤包括：利用相机采集要吸取的3D零部件的二维图像信息；将二维图像信息随机生成多个矩形区域图像；根据深层卷积神经网络训练结果，获取吸取结果标签中成功标签概率最高的矩形区域图像中心点坐标；根据矩形区域图像中心点坐标，利用激光位移传感器获取该矩形区域图像中心点深度坐标，指挥机器人吸取零部件。