[發明專利]一種物料的檢測及分類方法

在審

• 申請號: 202111496254.3
• 申請日: 2021-12-09
• 公開（公告）號: CN114332846A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 袁靖;周翔;沈俊
• 申請（專利權）人: 甄智（蘇州）智能科技有限公司
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/80;G06V10/764;G06K9/62;G06N20/00
• 代理公司: 蘇州威世朋知識產權代理事務所(普通合伙) 32235
• 代理人: 沈曉敏

1.一種物料的檢測及分類方法，其特征在于，其包括如下步驟：

在第一時刻，獲取每個物料對應的矩形定位框任一對角線上至少一個頂點的第一標記點坐標；

在第二時刻，獲取每個物料對應的矩形定位框對角線上兩個頂點的第二標記點坐標，并計算第二時刻每個物料對應的矩形定位框的標記范圍；

獲取傳送帶在第一時刻到第二時刻之間直線上的運動距離Lm；

判斷是否有所述第一標記點坐標+Lm的值落入所述標記范圍內的目標物料，若是，則定義所述目標物料與第二標記點坐標對應的物料為同一物料。

2.如權利要求1所述的物料的檢測及分類方法，其特征在于，在第一時刻，獲取每個物料對應的矩形定位框任一對角線上兩頂點的標記點坐標為第一標記點坐標。

3.如權利要求1所述的物料的檢測及分類方法，其特征在于，所述方法還包括：

在第一時刻賦予所述的每個物料以身份編號，若經判斷后所述目標物料與第二標記點坐標對應的物料為同一物料，則保持身份編號一致；若不為同一物料，則賦予該物料以新的身份編號。

4.如權利要求1所述的物料的檢測及分類方法，其特征在于，所述方法還包括：

在所述的第一時刻、第二時刻分別獲取每個物料的2D及3D鳥瞰圖像數據；

將2D鳥瞰圖像數據與3D鳥瞰圖像數據相配準得到每個物料的RGB-D圖像數據；

將所述RGB-D圖像數據加載入深度學習圖像算法，進行特征提取，獲得每個物料的矩形定位框、抓取點及類別信息。

5.根據權利要求4所述的物料的檢測及分類方法，其特征在于，所述方法還包括：

預處理RGB-D圖像數據：去畸變和尺寸縮放。

6.根據權利要求4所述的物料的檢測及分類方法，其特征在于，將所述RGB-D圖像數據加載入深度學習圖像算法，進行特征提取，獲得每個物料的矩形定位框、抓取點及類別信息，具體包括：

自上而下提取三層輸出、降采樣兩次，獲得五層特征輸出層；

采用構建特征金字塔方式進行特征融合；

獲得第一矩形定位框及類別信息。

7.根據權利要求6所述的物料的檢測及分類方法，其特征在于，所述方法還包括：

后處理所述第一矩形定位框及類別信息：

根據所述物料的所述第一矩形定位框及類別信息，判斷物料的可回收概率；

根據可回收概率，進行閾值抑制，去除概率低的矩形定位框；

加載非極大值抑制算法(NMS)，對所述第一矩形定位框及類別信息去重；

根據去重后的矩形定位框及類別信息，抑制可回收概率低的矩形定位框所對應的物料，保留可回收概率高的矩形定位框及類別信息；

獲得第二矩形定位框及類別信息。

8.根據權利要求4所述的物料的檢測及分類方法，其特征在于，所述方法還包括：

終處理所述的每個物料的2D及3D鳥瞰圖像數據、第二矩形定位框及類別信息：

提取單個物料的矩形定位框，放入與原圖相同大小的數組中；

對該數組進行灰度圖轉化、濾波、二值化和形態學閉運算；

計算該二值化圖像的最大內切圓圓心，該圓心即為物料的抓取點；

獲得最終的物料抓取點、矩形定位框及類別信息。

9.根據權利要求8所述的物料的檢測及分類方法，其特征在于，所述物料圖像的最大內切圓，若該內切圓半徑小于吸盤式蜘蛛機械手的吸盤半徑，則不抓取該物料。

10.一種物料的檢測及分類裝置，其特征在于，包括：

存儲器和處理器，所述存儲器存儲有可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現權利要求1-9中任意一項所述的物料的檢測及分類方法的步驟。

11.一種計算機存儲介質，其特征在于，其中存儲有計算機程序，并且所述計算機程序運行時導致所述計算機存儲介質的所在設備執行根據權利要求1-9中任意一項所述的物料的檢測及分類方法的步驟。