CN114049557B 一种基于深度学习的垃圾分选机器人视觉识别方法 （中国天楹股份有限公司）

一种基于深度学习的垃圾分选机器人视觉本发明公开了一种基于深度学习的垃圾分机在同一世界坐标系下完成同步标定；建立矩形框高和目标种类一起发送给垃圾分选机器数值将YOLOv4检测模型检测出的目标图像和3D2步骤三：启动多线程，实时获取编码器脉冲值，2D相机循环采集3D线阵相机单轮廓图像，将数据依次存储在指定根据目标物料在3D存储内存中的起始位置、目标物料的存储字数据分析处理模块中实现对应目标3D扫描内存数据的读取，即可完2.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征在棋盘格标定板上确定一个世界坐标系，用PNP中4点标定法确定此标定板上4个角点3.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征3u0和v0分别为图像中心横坐标和图像中心纵坐标，fx和fy分别为横向等效焦距和纵向等效焦4.根据权利要求2所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征5.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征6.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征将采集的RGB图像输入到输入尺寸为608*608的YOLOv4目标检测模型中获取图像中存在目标物料的所有位置框BoundingBox的列表，经非极大值抑制NMS算法过滤得到最后需7.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征48.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征9.根据权利要求1所述的一种基于深度学习的垃圾分选机器人视觉识别方法，其特征最后将由2D求取出得目标物体的中心坐标位置、目标种类及5但这两种相机必须保证物体在经过2个相机时视野区域一样，如果对应不准会导致机器人[0003]本发明所要解决的技术问题是提供一种基于深度学习的垃圾分选机器人视觉识[0015]在棋盘格标定板上确定一个世界坐标系，用PNP中4点标定法确定此标定板上4个6即u0和v0分别为图像中心横坐标和图像中心纵坐标，fx和fy分别为横向等效焦距和纵向等[0027]将采集的RGB图像输入到输入尺寸为608*608的YOLOv4目标检测模型中获取图像中存在目标物料的所有位置框BoundingBox的列表，经非极大值抑制NMS算法过滤得到最[0033]数据分析处理模块计算目标物料在3D存储内存中的起始位置，具体计算公式如7[0038]其中，1.6mm表示扫描到的8[0065]在棋盘格标定板上确定一个世界坐标系，用PNP中4点标定法确定此标定板上4个即u0和v0分别为图像中心横坐标和图像中心纵坐标，fx和fy分别为横向等效焦距和纵向等9[0078]将采集的RGB图像输入到输入尺寸为608*608的YOLOv4目标检测模型中获取图像中存在目标物料的所有位置框BoundingBox的列表，经非极大值抑制NMS算法过滤得到最[0084]数据分析处理模块计算目标物料在3D存储内存中的起始位置，具体计算公式如[0089]其中，1.6mm表示扫描到的