基于Mask R-CNN实例分割及FPFH特征配对的喷涂工件识别方法

摘要：

工件识别在柔性化机器人自动喷涂生产线中至关重要,它是机器人切换喷涂轨迹的重要依据.然而,实际应用中,由于喷涂工件尺寸和种类的多样性、表面的弱纹理性、多视异构件及相似件等情况的存在,准确且高效识别喷涂工件充满挑战性.为此,提出了一种二维(2D)实例分割与三维特征一致性配对的识别方法,即利用基于小样本训练的Mask R-CNN深度模型对2D工件分割及识别的快速性,再结合fast point feature histogram(FPFH)点云特征对局部细节的强区分性,实现对多视异构件及相似件由粗到精的准确识别.在精识别阶段,提出了一种基于FPFH特征配对的识别方法.该方法以intrinsic shape signature为工件的关键点,以FPFH为矢量特征,通过线性相关度配对FPFH特征,再以拓扑结构及空间变换关系的一致性为约束验证特征的匹配率,以此作为工件识别的评价标准.实验中,采用34种类别1500多个工件进行测试,所提方法的识别率高达99.26％,单工件识别耗时低于1500 ms.

关键词：机器视觉、三维视觉感知、工件识别、Mask R-CNN、fast point feature histogram特征配对

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金62073128

在线出版日期：2022-08-23（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：178-188