基于卷积神经网络的智能抓取系统研究.docxVIP

下载本文档

0
0
约5.71千字
约 13页
2024-09-05 发布于湖北
举报
版权申诉

基于卷积神经网络的智能抓取系统研究.docx

1、本文档共13页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于卷积神经网络的智能抓取系统研究

韩毅郭圆辉王旭彬

Summary：改革开放以来，国内工业蓬勃发展。时至今日，现代工业化进程已经成为未来工业发展的重中之重，而工业化中最为重要的环节即现代工业的智能化、自动化。智能机器人可以高效地完成自动抓取、搬运等工作。笔者研究了基于卷积神经网络的智能抓取系统，使其实现了目标分类、目标定位、目标抓取等功能。首先对需要抓取的目标使用卷积神经网络进行训练，得到识别目标位置与分类信息的卷积神经网络模型;然后利用张正友标定法对深度相机进行标定，得到相机的内参矩阵;随后通过双边滤波对图像进行降噪处理，将处理后的图像输入预先训练的卷积神经网络模型，从卷积神经网络模型中得到目标的位置信息与分类信息;然后通过相机的内外参信息逆向求解得到机械臂需要抓取的位置坐标信息;最后用机械臂完成抓取。在试验的过程中，使用了dobot与realsensed435i进行验证。试验结果表明，该系统定位误差较小，且有效地完成了目标抓取任务。

Key：计算机视觉;卷积神经网络;机械臂

：TP391.41;TP242.2：A：1003-5168（2021）35-0017-04

StudyonIntelligentGrabSystemBasedonConvolutionalNeuralNetwork

HANYiGUOYuanhuiWANGXubin（DepartmentofComputerScienceandInformationEngineering，AnyangInstituteofTechnology，AnyangHenan455000）

Abstract：Sincethereformandopeningup，domesticindustrialconstructionhasflourished.Today，today，themodernindustrializationprocesshasbecometheweightofthefutureindustrialdevelopment.Themostimportantpartofin？dustrializationistheintelligentandautomationofmodernindustries.Andsmartrobotscanefficientlycompleteauto？maticcapture，handling，etc.Thispaperstudiesintelligentgrabbingsystemsbasedonconvolutionalneuralnetworks.Achievejobclassification，targetpositioning，andgoal.First，consolidationneuralnetworktrainingisusedtoidentifythetargetpositionandclassificationinformation.ThedepthcameraisthencalibratedwiththeZhangZhengyoucali？brationmethodtoobtainaninteriormatrixofthecamera.Theimageisthendocumentedbybilateralfiltering，andtheprocessedimageinputsthepre-trainingconvolutionalneuralnetworkmodel.Classificationinformationoftheloca？tioninformationandthetargetofthetargetfromtheconvolutionalneuralnetworkmodel.Then，thepositioncoordi？nateinformationoftherobotarmneedstobegrabbedbytheinternalandexternalinformationofthecamera.Finally，usetherobotarmtoaccomplish.Duringtheexperiment，dobotisusedtoverifytherealsense