卷积神经网络算法在工件抓取中的应用

摘要：

为提高机械手臂夹取物件的准确率,提出基于深度学习法的3D视觉辨识与抓取系统.该视觉系统结合GPU和深度影像Open CV等函数库,分别进行影像拾取、 深度数据运算、 坐标转换、 影像轮廓搜寻和卷积类神经网络模型训练等.采用YOLOv2算法判别目标物体的种类和中心点,并利用轮廓搜寻方法找出物体的角度信息,作为机械手臂操作目标点;通过坐标转换将相机坐标转为机械手臂坐标,由TCP/IP通信传至运动控制系统进行物件夹取.实验结果表明:不同位置的所有零件辨识准确率均在82％以上,抓取误差在1～4 mm内,符合工业生产的要求.

关键词：深度学习、卷积神经网络算法、目标检测、YOLOv2算法、工件抓取、机器视觉

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：76-80