科研之友
微信
新浪微博
Facebook
分享链接
摘要
机器人作业环境复杂，物料分布具有随机性，导致机器人目标位姿的辨识和定位精度低，实时性差，为此提出一种基于改进粒子群算法-BP神经网络(PSO-BP)的机器人目标位姿识别方法。采用改进的中值滤波算法对目标图像预处理，构建多尺度灰度差异算子以及局部图像熵算子，将两者点积运算获取加权局部熵，抑制目标图像中的噪声。通过多视图几何中间帧的关联特征信息，提取机器人目标位姿特征。在BP神经网络训练阶段通过改进的PSO算法优化处理，采用优化后的BP神经网络算法对提取的特征展开训练和识别，最终实现机器人目标位姿识别。实验结果表明，当机器人目标测试样本数量为55个时，所提方法的亮度方差为0.305,当像素识别误差为1.5%时，所提方法获取的机器人目标位姿识别误差为0.11,所提方法能够在像素识别误差下准确识别机器人目标，获取高精度的机器人目标位姿识别结果。
- 单位
