删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

基于深度学习的低成本堆叠物料定位系统

本站小编 Free考研考试/2021-12-21
本文二维码信息
二维码（扫一下试试看！）
基于深度学习的低成本堆叠物料定位系统
A Low-Cost Location System Based on Deep Learning for Stacked Materials Sorting
投稿时间：2019-08-01
DOI：10.15918/j.tbit1001-0645.2019.238
中文关键词:深度学习目标检测无序分拣
English Keywords:deep learningobject detectionbin-picking
基金项目:国家自然科学基金资助项目（61575020）
作者单位
田立勋浙江大学 机械工程学院, 浙江, 杭州 310058
北京先见科技有限公司, 北京 100070
刘雄飞北京先见科技有限公司, 北京 100070
张彩芹杭州永创智能设备股份有限公司, 浙江, 杭州 310058
王文佳北京先见科技有限公司, 北京 100070
傅建中浙江大学 机械工程学院, 浙江, 杭州 310058
摘要点击次数:2012
全文下载次数:1311
中文摘要:
针对堆叠物料无序分拣中传统定位方法硬件成本高、检测精度低等问题，设计了一种基于深度学习的堆叠物料定位系统.以单目光学相机采集得到的图像作为输入数据，利用单阶段检测算法得到候选目标，采用卷积神经网络进行目标筛选，最后对筛选后的目标感兴趣区域图像进行特征点回归，得到目标的类别、坐标和角度.堆叠物料定位系统由于无需昂贵的深度相机，且算法的鲁棒性较高，降低了硬件成本，提高了检测精度.在真实场景的测试结果显示，新系统的定位误差降低到了0.3 cm以内.
English Summary:
To improve industrial production efficiency, a low-cost location system based on deep learning was proposed for stacked materials sorting. Firstly, taking the images got from monocular optical cameras as the input data, a one-stage detection method was used to obtain the candidate objects. Then, a deep convolution neural network was used to classify the adjacent ROIs of objects to filter the possible candidates. Finally, some interest images of the filtered candidates were processed to get the key shape and location of the object. Since the robustness of the algorithm and without the use of the expensive depth camera, the new method can reduce hardware cost and improve detection accuracy.The test results in the real scene show that the location error of the new system can be reduced to less than 0.3 cm.
查看全文查看/发表评论下载PDF阅读器
相关话题/北京 浙江 浙江大学 机械工程学院 智能

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.