[發明專利]一種未知數量線狀變形體拓撲狀態識別和解纏方法在審
| 申請號: | 202210069982.4 | 申請日: | 2022-01-21 |
| 公開(公告)號: | CN114419126A | 公開(公告)日: | 2022-04-29 |
| 發明(設計)人: | 姜欣;黃旭釗;郭雨豪;劉云輝 | 申請(專利權)人: | 哈爾濱工業大學(深圳) |
| 主分類號: | G06T7/60 | 分類號: | G06T7/60;G06T7/12 |
| 代理公司: | 深圳市添源創鑫知識產權代理有限公司 44855 | 代理人: | 覃迎峰 |
| 地址: | 518000 廣東省深圳市南*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 未知 數量 線狀 變形體 拓撲 狀態 識別 和解 方法 | ||
1.一種未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,包括如下步驟:
S100:對未知數量線狀變形體進行拓撲狀態識別;
S200:根據拓撲狀態識別的結果進行拆解操作制定;
S300:機器人感知和執行解纏。
2.根據權利要求1所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,使用相機獲取的顏色系統圖像作為系統輸入的原始圖像,同時訓練一個卷積神經網絡模型語義分割網絡用于提取原始圖像中的復數線狀變形體輪廓信息在提取出的輪廓圖的基礎上,經過降噪預處理后,采用Zhang-Suen圖像細化算法進一步提取輪廓的骨架圖。
3.根據權利要求2所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述復數線狀變形體的端點檢測采用八鄰域法。
4.根據權利要求2所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述復數線狀變形體的交叉點檢測采用深度學習方法,先訓練一個實時目標檢測網絡,從復雜的背景中檢測出各個交叉點區域的坐標,同時對圖像處理方法容易出現交叉點誤檢的區域通過增加負樣本的方式有效避免。
5.根據權利要求4所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述復數線狀變形體的交叉點的遍歷是用一種遍歷骨架圖的算法來實現;
通過根據獲取圖像中復數線狀變形體的輪廓骨架,以及骨架圖上的端點坐標和原始圖像上的交叉點坐標,將目標檢測網絡返回的交叉點區域坐標映射到骨架圖上,然后選擇第一個端點作為遍歷算法起點開始遍歷流程。
6.根據權利要求5所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述遍歷流程,是遍歷開始后檢測是否存在未標記的端點,若不存在則直接結束,若存在則標記該端點,而后查找該端點附近的目標路點,確認是否進入交叉點區;若是進入交叉點區,則旋轉、裁剪交叉點框圖,跳躍交叉點得到躍出點,以進行方向矢量歸一化,便于查找下一個目標路點;若沒有進入交叉點區,則保存路點,而后更新方向矢量并查找下一目標路點。所述查找下一目標路點過程中,若不存在下一個目標路點則到達端點并標記該端點,而后重新檢測是否存在未標記的端點。
7.根據權利要求1所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,對交叉點拓撲狀態的判定采用深度學習方法,訓練基于深度殘差網絡的模型執行交叉點上下關系判定的二分類任務,并將交叉點序號和類型依次排列輸出作為拓撲序列結果,依據結果可繪制拓撲狀態識別可視化圖。
8.根據權利要求1所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述步驟S200,是將步驟S100中獲得的拓撲序列形圖,輸入至可執行針對復數線狀變形體的基礎操作的機器人中,基于機器人的每個基礎操作在拓撲序列中的邏輯規律和檢索方法,按優先級順序在拓撲序列中查找,確定當前應該執行的基礎操作。
9.根據權利要求7所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,所述機器人每獲取一張可視化圖和拓撲序列形圖僅進行一次操作,操作結束后,進入下一個循環的識別和操作流程,直至識別得到的拓撲狀態達到最簡狀態時結束。
10.根據權利要求1所述的未知數量線狀變形體拓撲狀態識別和解纏方法,其特征在于,在所述步驟S300中,根據拓撲序列確定了基礎操作類型后,利用遍歷時記錄的信息計算機器人系統對復數線狀變形體操作的抓取點、放置點及其抓取方向。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于哈爾濱工業大學(深圳),未經哈爾濱工業大學(深圳)許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210069982.4/1.html,轉載請聲明來源鉆瓜專利網。





