基于改进CenterNet的焊缝起始向量检测与机器人位姿估计方法

TP391.4%TP242.2%TG409; 针对传统方法在焊缝起始点检测任务中适应性差,难以获取机器人初始焊接位姿的问题,提出一种基于改进CenterNet的焊缝起始向量检测与机器人位姿估计方法.首先,采用特征融合与卷积块注意力机制(CBAM)增强CenterNet提取有效特征的能力.然后,利用改进的CenterNet获取焊缝起始向量,并用提出的工件底板边线条件筛选算法提取底板边线,继而通过极线约束匹配得到起始向量和底板边线上的若干对应点,由此得到工件表面特征点三维信息,实现工件姿态和焊接位姿估计.实验结果表明,改进后的CenterNet在焊缝起始向量检测任务中,检测精度和检测速度优于其他对...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 28; no. 9; pp. 2865 - 2880
Main Authors 唐溪, 姚锡凡, 董艺, 张峻铭
Format Journal Article
LanguageChinese
Published 华南理工大学 机械与汽车工程学院,广东 广州 510640 30.09.2022
广州城市理工学院机械工程学院,广东 广州 510800%华南理工大学 机械与汽车工程学院,广东 广州 510640%广州城市理工学院机械工程学院,广东 广州 510800
Subjects
姿态估计
双目立体视觉
特征融合
焊缝起始向量检测
CenterNet网络
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.09.018

Cover

More Information
Summary:TP391.4%TP242.2%TG409; 针对传统方法在焊缝起始点检测任务中适应性差,难以获取机器人初始焊接位姿的问题,提出一种基于改进CenterNet的焊缝起始向量检测与机器人位姿估计方法.首先,采用特征融合与卷积块注意力机制(CBAM)增强CenterNet提取有效特征的能力.然后,利用改进的CenterNet获取焊缝起始向量,并用提出的工件底板边线条件筛选算法提取底板边线,继而通过极线约束匹配得到起始向量和底板边线上的若干对应点,由此得到工件表面特征点三维信息,实现工件姿态和焊接位姿估计.实验结果表明,改进后的CenterNet在焊缝起始向量检测任务中,检测精度和检测速度优于其他对比算法,工件姿态估计误差满足机器人初始焊接位姿引导的精度和鲁棒性要求.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.09.018