[發明專利]一種基于機器學習的飛拍圖像誤差預測方法

有效

• 申請號: 202110254346.4
• 申請日: 2021-03-09
• 公開（公告）號: CN112621766B
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 王闖;顧徐波;馬元巍;潘正頤;侯大為
• 申請（專利權）人: 常州微億智造科技有限公司
• 主分類號: B25J9/16
• 分類號: B25J9/16;H04N5/232;G06N20/00
• 代理公司: 常州至善至誠專利代理事務所(普通合伙) 32409
• 代理人: 趙旭

1.一種基于機器學習的飛拍圖像誤差預測方法，工件保持靜態，相機位于機械臂終端進行運動，其特征在于，具體步驟是：

步驟一、確認靜態拍攝點位數量和位姿：根據工件拍攝需求，進行靜態拍攝點位的位置調試和姿態調試，并記錄靜態圖像及機械臂終端的位置數據和姿態數據；靜態拍攝點位是傳統方法中相機速度為0時的拍攝點位，飛拍的路徑點位是把靜態拍攝點位作為初始值；

步驟二、初定機械臂終端速度及相機提前觸發距離：設定N個機械臂終端速度和M個相機提前觸發距離，N是大于1的正整數，M是大于1的正整數；從設定的N個機械臂終端速度和M個相機提前觸發距離中，各個靜態拍攝點位分別初定一個機械臂終端速度和一個相機提前觸發距離；

步驟三、進行飛拍循環并記錄數據：根據步驟二中初定的一個機械臂終端速度和一個相機提前觸發距離，進行T次飛拍循環，T是大于1的正整數，記錄飛拍圖像和機械臂終端位姿、記錄設定速度、記錄實時速度、記錄設定相機拍攝觸發位置、記錄實際相機拍攝觸發位置、記錄相機拍攝觸發信號、記錄拍攝點位序號以及記錄循環次數；

步驟四、參數組合：將靜態拍攝點位的N個機械臂終端速度和M個相機提前觸發距離進行參數組合，形成N*M套參數組合；

步驟五、重復試驗：根據步驟四中的N*M套參數組合，重復步驟三，進行不同參數組合下的重復試驗，并記錄相關數據；

步驟六、模型輸入：將步驟五中的機械臂終端位姿、設定速度、實時速度、設定相機拍攝觸發位置、實際相機拍攝觸發位置、相機拍攝觸發信號、拍攝點位序號以及循環次數作為模型輸入；

步驟七、計算誤差：使用OpenCV2工具，計算步驟五中飛拍圖像與靜態圖像在圖像坐標系XY軸上的數值差異；

步驟八、離散化處理：對步驟七中每個飛拍位置的飛拍圖像像素與靜態圖像像素誤差進行等頻分箱離散化處理；

步驟九、模型目標：將步驟八中等頻分箱離散化后的飛拍圖像像素與靜態圖像像素誤差前移一個飛拍動作周期，作為模型預測目標，即使用前一個飛拍動作周期的機械臂終端位姿、機械臂終端速度、實際相機拍攝觸發位置來預測當前飛拍動作周期的飛拍圖像誤差；

步驟十、超參數優化：選擇機器學習模型xgboost，使用優化算法對模型的超參數進行優化，超參數確定后依次進行模型的訓練、驗證以及測試；

步驟十一、導出模型，輸出預測飛拍圖像誤差：根據步驟十中所訓練的模型，當輸入新的機械臂控制參數時，即可輸出對應飛拍圖像誤差，根據飛拍圖像誤差進行控制參數驗證和評價。

2.根據權利要求1所述的一種基于機器學習的飛拍圖像誤差預測方法，其特征在于：在步驟三中，所述機械臂終端位姿包括終端X坐標、終端Y坐標、終端Z坐標及rpy三軸角度。

3.根據權利要求1所述的一種基于機器學習的飛拍圖像誤差預測方法，其特征在于：在步驟十中，所述超參數包括學習速度、樣本采樣比例、最大樹深度以及正則化參數。

4.根據權利要求1所述的一種基于機器學習的飛拍圖像誤差預測方法，其特征在于：在步驟十一中，所述新的機械臂控制參數包括各個靜態拍攝點位對應不同的機械臂終端速度和不同的相機提前觸發距離。