科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决因螺纹钢截面形状不标准、发蓝、发黑，长短不一而导致无法用传统视觉方法计数和定位的问题，对基于深度学习的螺纹钢焊牌机器人视觉计数和定位方法进行了研究，并开发了螺纹钢自动化焊牌系统。提出基于Faster R-CNN的图像识别算法并对棒材进行目标检测。对数据集进行随机旋转、翻转、噪点、模糊、颜色变换等图像处理实现数据增强使数据集扩充32倍，再进行训练；建立机器人和三维相机的坐标模型，计算出图像像素坐标系转换到机器人工具坐标系的转换矩阵。通过多组图片拼接解决不平整导致的遮挡问题，使用加入采集图像时的位姿作为判定参数的改进SURF算法实现图像准确拼接；输入拼接的图片进行推理，统计棒材的支数并获取中心区域的一支棒材像素坐标，通过三维相机的映射关系获得其三维坐标，发送到机器人控制器作为焊牌位置。结果表明：所提方法可以完成整捆螺纹钢棒材的准确识别计数和机器人定位焊牌，焊牌位置准确，焊接质量稳固。
- 单位
