首页|面向工业零件分拣系统的低纹理目标检测

面向工业零件分拣系统的低纹理目标检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注.然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法.目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件.对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D(color Line2D).方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配.最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位.结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集.在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP(mean average precision)分别提升了10％和7％.结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势.
Texture-less object detection method for industrial components picking system

闫明、陶大鹏、普园媛

展开 >

云南大学信息学院,昆明 650500

模板匹配 低纹理目标检测 颜色直方图 智能制造 随机分拣

国家自然科学基金国家自然科学基金国家自然科学基金云南省重大科技专项云南省重大科技专项

61772455U171321362172354202002AD080001202202AD080003

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(8)
  • 2
  • 1