CN119515855A 一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法及系统 （山东大学）

一种基于非结构化螺孔多级定位的机械臂种基于非结构化螺孔多级定位的机械臂螺丝锁在姿态对齐网络中校正含误差的粗姿态信息以2基于所得到的螺孔全局边缘预测图进行螺孔中心定位，得到螺孔的在姿态对齐网络中校正含误差的粗姿态信息以确定螺孔姿2.如权利要求1中所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法，其3.如权利要求1中所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法，其锁付目标图像的图像特征，通过不同膨胀率对所提取的多层图像特征进行多尺度感知融4.如权利要求1中所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法，其5.如权利要求1中所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法，其6.如权利要求5中所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法，其边缘提取模块，其被配置为基于不同膨胀率对目标图像进行多粗定位模块，其被配置为基于所得到的螺孔全局边缘预测图进行螺孔中心定位，得到3精定位模块，其被配置为基于所得到的螺孔全局边缘预测图进行螺孔中心定锁付模块，其被配置为在姿态对齐网络中校正含误差的行时实现了如权利要求1_6中任一项所述的一种基于非结构化螺孔多级定位的机械臂螺丝9.一种电子设备，包括存储器、处理器及存储在基于非结构化螺孔多级定位的机械臂螺丝锁付权利要求1_6中任一项所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁付方法的步4[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技5[0022]粗定位模块，其被配置为基于所得到的螺孔全局边缘预测图[0023]精定位模块，其被配置为基于所得到的螺孔全局边缘预所述处理器执行所述程序时实现如本发明第一方案所述的一种基于非结构化螺孔多级定方案所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁6[0034]图1为本发明实施例一中的基于非结构化螺孔多级定位的机械臂螺丝锁付方法的[0037]图4为本发明实施例二中的基于非结构化螺孔多级定位的机械臂螺丝锁付系统的明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本实发明中的具体含[0044]需要说明的是，非结构化场景为不符合传统关系型数据库表7[0049]如图1所示的基于非结构化螺孔多级定位的机械臂螺丝锁付方法，包括以下几个[0057]本实施例中螺孔边缘检测所需数据可通过以机械臂末端的深度相机获取图像和8[0061]作为一种或多种实施方式，本实施例采用如图2所示的基于全卷积神经网络的螺孔边缘检测网络ShedNet实现螺孔图像的边缘检测，通过特征提取模块和多尺度特征融合经过多层卷积模块作为特征提取网络(即ConvModule)；给定输入图像其特征即融合后的特征图通过1×1卷积减少通道数9[0069]上采样通过反卷积层(ConvTranspose2d)实现，具体的上采样率取决于特征图的[0071]对于每个监督分支，计算该层次的边缘预测结果Pi与真实边缘标签Y之间的二值换将图像平面上的像素坐标(u,v)转换为三维世界坐标系下的点P(x,y,z)；变换公式为中,θx,θy是绕X轴和Y轴(此时的X轴和Y轴为机械臂的坐标轴)的旋转角度，初始设置为[_c边缘点到中心点的垂直距离平方和最小，即对位移量t了一种基于CNN分类器构建了螺孔位姿对齐网络完成机械臂的位姿预测，网络根据当前机械臂末端固定的相机获取的RGB图像预测机械臂的在X/Y方向的对齐偏向；通过不断预测X[0083]网络的损失函数由分类损失和正则化项构成，以X方向姿态对齐网络损失函数为例，表示为L=α·Lx+λ·R(W)，Lx为交叉熵损失，[0085]机械臂将根据网络输出的分类结果执行相应的旋转补偿。假设X方向的预测结果[0094]粗定位模块，其被配置为基于所得到的螺孔全局边缘预测图[0095]精定位模块，其被配置为基于所得到的螺孔全局边缘预[0097]详细步骤与实施例一提供的一种基于非结构化螺孔多级定位的机械臂螺丝锁付[0101]详细步骤与实施例一提供的一种基于非结构化螺孔多级定位的机械臂螺丝锁付所述处理器执行所述程序时实现如本发明实施例一所述的一种基于非结构化螺孔多级定[0105]详细步骤与实施例一提供的一种基于非结构化螺孔多级定位的机械臂螺丝锁付例一所述的一种基于非结构化螺孔多级定位的机械臂螺丝锁[0109]详