智能仓储分拣中基于机器视觉的位姿估计方法研究

摘要

近年来，由于方便快捷的互联网购物造成的庞大配送需求使得仓储分拣过程中的效率与成本问题受到各大企业的广泛关注。传统的人工分拣操作，主要由分拣员按照货物清单以及货物分布图进行手动配给，存在效率低下、成本较高等问题。而基于机器视觉的位姿估计方法能自动实现目标物的三维空间定位，结合机械执行器可以大幅度提高配送效率和降低人力成本。　　本文以仓储配送中的货物自动化分拣操作为研究对象，在智能分拣系统中针对三维空间中目标物的定位需求研究和设计了一种基于机器视觉的位姿估计方法。本论文的主要研究内容如下：　　1.对课题研究背景与意义进行详细介绍，分析大型仓储管理中的自动分拣需求。对行业中的机器视觉伺服技术应用现状进行分析，总结了国内外分拣系统的研究现状以及核心技术的发展。　　2.智能分拣平台的设计与工作原理，针对自动分拣需求，对分拣平台的储物货架、机械臂与末端执行机构、全向移动底盘三个方面进行设计分析，其中重点分析了适应性较强的机械臂与末端执行机构的设计方案，并针对三维视觉成像方案结合仓储环境特点对成像以及相机与执行器的安装方案进行选型。　　3.研究了基于机器视觉的位姿估计算法，针对主动式获取目标空间位置的需求，首先结合点云模型分析了三维空间中的位姿表述形式，通过角点提取获得目标物的刚体特征。然后通过分析相机成像模型，提取角点与预测点的映射关系进行位姿求解，其中对角点的预测提出基于深度卷积神经网络的预测模型，通过对样本标签的反馈迭代与损失计算，验证了网络模型对预测投影角点的有效性。之后通过对预测区域的点云信息进行边缘提取与分割进行抓取点的修正，实现了从一体式深度相机的图像信息中识别并提取目标物位姿的目的。　　4.开发自动分拣系统中的位姿估计模块，首先分析了整体软件系统的设计架构，然后针对位姿估计模块的低耦合、可扩展需求，对框架设计、包封装与管理、文件与数据库管理三个方面进行了研究，最终实现了位姿估计算法在软件系统中的封装并具备了较强扩展特性，针对人工分拣中的低效率、高成本等缺点，利用自动化软件实现了对货架目标物的位姿信息获取以及传输。

目录

声明

第1章 绪论

1.1 课题研究背景与意义

1.2 机器视觉

1.2.1机器视觉伺服系统

1.2.2机器视觉伺服在行业中的应用现状

1.3 位姿估计算法与分拣系统国内外研究现状

1.4 课题来源与本文研究内容

第2章 智能分拣系统设计与工作原理

2.1 引言

2.2 分拣平台机械结构设计

2.2.2机械臂与末端执行机构

2.2.3全向移动底盘

2.3 视觉系统硬件组成

2.3.1深度相机原理与选型

2.3.2相机安装方案

2.4 机器视觉分拣控制系统设计

2.4.2系统控制流程

2.5 本章小结

第3章 基于机器视觉的位姿估计算法研究

3.1 空间位姿描述

3.1.1点云与空间刚体定位

3.1.2欧拉角与旋转矩阵

3.2 三维空间位姿求解

3.2.1相机成像模型

3.2.2PnP算法

3.3 基于深度卷积神经网络的角点预测算法

3.3.1深度卷积神经网络概述

3.3.2数据集

3.3.3基于YOLO-V2网络的角点投影预测模型

3.3.4模型训练

3.4 基于聚类算法的抓取点定位

3.4.1深度图像预处理

3.4.2局部点云边缘检测

3.4.3抓取点修正

3.5 本章小结

第4章 智能分拣系统位姿估计软件模块开发

4.1 ROS 系统组成与原理

4.2 系统软件总体设计

4.3 位姿估计定位模块开发

4.3.2包封装与管理

4.3.3文件与数据库管理

4.4 本章小结

结论与展望

参考文献

致谢

附录 A 攻读硕士学位期间主要学术成果

附录 B 攻读硕士学位期间参加的科研项目