基于深度学习和机器视觉的多源数据感知技术研究
张俊豪
罗国富
杨幸博
李亚为
张宁波
郑州轻工业大学 机电工程学院,河南 郑州450002
摘要：机械臂位姿误差容易导致运行轨迹偏离,影响机械臂定位效果.为此,将机器视觉技术与深度学习算法有机结合,形成一种高性能的多源数据感知方法,以采集高精度的机械臂位姿数据.首先,基于视觉成像原理,设计多摄像机机械臂位姿数据采集方案布局,以获取视觉图像坐标与机械臂位姿的关系;其次,以卷积神经网络为核心,构建具有5层卷积层、4层最大池化层以及3层全连接层的深度学习模型,用以融合多摄像机采集的机械臂多源图像数据;再次,运用批量梯度下降法,优化模型的卷积核W和偏置参数b,以深度刻画图像特征;最后,结合机械臂位姿模型,得到精准的运行位姿数据.经测试检验,用本文方法感知机械臂的仰俯角、偏航角、翻滚角的最大误差值均小于0.6°,数据感知度较高,可以为机械臂工作路线的规划、机械臂行为的精准控制提供准确的数据基础.
关键词：深度学习机器视觉机械臂多源数据位姿感知
分类号：TP274+.2(自动化技术及设备)
资助基金：国家自然科学基金(51775517)科技攻关计划重点项目(202102210396)科技攻关计划重点项目(202102210262)
论文发表日期：2021-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 107-113 )
英文信息