一种基于改进DOPE算法的螺栓位姿检测方法

摘要：

针对螺栓紧固机器人在作业过程中机械臂所载视觉系统定位并获取螺栓姿态的任务,进行了螺栓位姿检测研究.针对螺栓具有旋转对称性的特点,提出一种基于改进深度物体姿态估计(deep object pose estimation,DOPE)算法的螺栓位姿检测方法.首先,设计了一种具有通道注意力及并行结构的骨干网络替换DOPE算法中的VGG-19骨干网络,提高了模型对于螺栓等小型目标的检测能力;其次,将训练过程中螺栓姿态的真实值设定为预测结果在螺栓所有潜在对称姿态中的最优匹配,并据此提出Symloss损失函数,解决了目标对称姿态可能在检测过程中引起歧义的问题;最后,对姿态数据集的场景建模方法与采样方式进行改进,利用NVISII光线追踪引擎合成高质量拟真数据集.实验结果显示,在 30、65和 100 cm三种视距的实验场景中,本算法对螺栓姿态检测结果的模型点平均距离通过率在模型直径 10%阈值下较DOPE算法分别提高 14.2%、20.8%与 33.3%,检测速度提高 1.51帧/s,有效提高了算法对于螺栓姿态的检测性能.

关键词：深度学习、姿态检测、数据合成

所属期刊栏目：43

分类号：TP249(自动化技术及设备)

资助基金：国家电网有限公司总部科技项目5200-2020036147A-0-0-00

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1094-1104