本发明涉及3d视觉领域，涉及一种基于机器学习的零部件快速自动化码垛堆叠方法。
背景技术：
随着我国劳动力成本快速上涨，传统的人工分拣码垛方法，效率低下，人工需求量大，速度缓慢等问题日益凸显，产业优化升级趋势越来越迫切。
技术实现要素：
本发明要解决的技术问题是提供一种可以满足多种零部件的自动码垛，码垛速度快，稳定性高，精度上明显优于现有的人工操作方法的基于机器学习的零部件快速自动化码垛堆叠方法。
为了解决上述技术问题，本发明解决其技术问题所采用的技术方案是：
一种基于机器学习的零部件快速自动化码垛堆叠方法，具体步骤包括：
获取各训练零部件3d点云数据信息作为输入样本数据，将输入样本数据输入至支持向量机(svm)模型中训练得到零部件识别模型；
通过3d相机获得待码垛零部件空间点云数据，基于零部件识别模型，对3d点云数据中的待码垛零部件进行定位和分类；
根据3d点云数据中待码垛零部件的定位获得其在3d相机坐标系下的三维坐标位置；通过手眼标定以得到机器手与3d相机坐标系之间的关系，以此得到待码垛零部件在机械手坐标系下的三维坐标位置；
机械手根据待码垛零部件的类别和位置抓取每个零部件，并堆叠到对应码垛上。
优选的，获取输入样本数据具体步骤包括：通过每个训练零部件在其点云上所在区域，得到该零部件区域的方向梯度直方图特征值，将3d点云数据以及该零部件区域的方向梯度直方图特征值作为输入样本数据训练支持向量机(svm)模型。
优选的，待码垛零部件的分类具体步骤包括：根据各待码垛零部件的种类数，基于零部件识别模型得到多个输出样本数据，将输出样本数据根据各待码垛零部件的种类进行分类编号。
优选的，将待码垛零部件任意放置在检测平台上，通过3d相机对待码垛零部件进行拍摄并获得3d点云数据，基于零部件识别模型对拍摄获得3d点云中的待码垛零部件进行识别定位。
优选的，通过3d相机对待码垛零部件进行定位，以及3d相机的内部参数标定得到待码垛零部件在3d相机坐标系下的三维坐标位置。
优选的，根据各待码垛零部件的类别，得到各待码垛零部件与机械手对应的预设抓取位姿，并记录机械手不同位姿数据，位姿数据组数与零部件类别数相匹配。
本发明的有益效果：
通过零部件识别模型对空间中的待码垛零部件进行定位和分类，机械手根据待码垛零部件的类别和位置快速对待码垛零部件进行堆叠码垛，可以针对多种零部件的自动码垛，码垛速度快，稳定性高，精度上明显优于现有的人工操作方法，且高于传统的图像处理技术，可实现实时、在线对零部件码垛，确保后续工序的可靠性、稳定性。
具体实施方式
下面结合具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
一种基于机器学习的零部件快速自动化码垛堆叠方法，具体步骤包括：
获取各训练零部件3d点云数据信息作为输入样本数据，将输入样本数据输入至支持向量机(svm)模型中训练得到零部件识别模型；
通过3d相机获得待码垛零部件空间点云数据，基于零部件识别模型，对3d点云数据中的待码垛零部件进行定位和分类；
根据3d点云数据中待码垛零部件的定位获得其在3d相机坐标系下的三维坐标位置；通过手眼标定以得到机器手与3d相机坐标系之间的关系，以此得到待码垛零部件在机械手坐标系下的三维坐标位置；
机械手根据待码垛零部件的类别和位置抓取每个零部件，并堆叠到对应码垛上。
采集用于训练支持向量机(svm)模型的图像，支持向量机(svm)模型训练一次就可以，零部件识别模型无需反复训练。
通过零部件识别模型对空间中的待码垛零部件进行定位和分类，机械手根据待码垛零部件的类别和位置快速对待码垛零部件进行堆叠码垛，可以针对多种零部件的自动码垛，码垛速度快，稳定性高，精度上明显优于现有的人工操作方法，且高于传统的图像处理技术，可实现实时、在线对零部件码垛，确保后续工序的可靠性、稳定性。
获取输入样本数据具体步骤包括：通过每个训练零部件在其点云上所在区域，得到该零部件区域的方向梯度直方图特征值，将3d点云数据以及该零部件区域的方向梯度直方图特征值作为输入样本数据训练支持向量机(svm)模型。
待码垛零部件的分类具体步骤包括：根据各待码垛零部件的种类数，基于零部件识别模型得到多个输出样本数据，将输出样本数据根据各待码垛零部件的种类进行分类编号。
将待码垛零部件任意放置在检测平台上，通过3d相机对待码垛零部件进行拍摄并获得3d点云数据，基于零部件识别模型对拍摄获得3d点云中的待码垛零部件进行识别定位。
将待分拣的待码垛零部件放置在检测平台上，检测平台可以接入生产流水线，占用一个工作节拍，自动上下料，也可以单独作为一个工作位，人工上下料。采用3d相机对待码垛零部件进行拍摄，基于零部件识别模型对3d相机拍摄的3d点云数据进行处理，对待码垛零部件进行定位和分类。
通过3d相机对待码垛零部件进行定位，以及3d相机的内部参数标定得到待码垛零部件在3d相机坐标系下的三维坐标位置。
根据3d相机获取3d点云数据中待码垛零部件的定位、相机内部的标定以及手眼标定计算零部件在机械手坐标系下的位置。
根据各待码垛零部件的类别，得到各待码垛零部件与机械手对应的预设抓取位姿，并记录机械手不同位姿数据，位姿数据组数与零部件类别数相匹配。
完成检测平台上的一批零部件码垛后，机械手回到原始位置；下一批零部件送至检测平台，3d相机重新获取点云，重复以上步骤，直至所有工件全部挑拣完成，直至所有的零部件都码垛好。
本发明中的检测平台上可以放置一种零部件，也可以放置多种零部件；
本发明还可通过3d相机获得待码垛零部件空间点云数据，基于零部件识别模型，对3d点云数据中的待码垛零部件进行定位和分类；同时规划机器手抓取待码垛零部件的路径，并将待码垛零部件成功抓取放置到一个基准水平平台上；3d相机对水平平台上的单个待码垛零部件进行扫描，依据形成的3d模型对物体进行位姿估计用以形成对应的预设抓取位姿，机器手再对零部件进行翻转、码垛操作；机器手抓取翻转好的零部件排列到码垛上。
3d相机重新拍摄，机器手再抓取出另一个工件，重复以上步骤，直至所有工件全部挑拣完成。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
1.一种基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，具体步骤包括：
获取各训练零部件3d点云数据信息作为输入样本数据，将输入样本数据输入至支持向量机(svm)模型中训练得到零部件识别模型；
通过3d相机获得待码垛零部件空间点云数据，基于零部件识别模型，对3d点云数据中的待码垛零部件进行定位和分类；
根据3d点云数据中待码垛零部件的定位获得其在3d相机坐标系下的三维坐标位置；通过手眼标定以得到机器手与3d相机坐标系之间的关系，以此得到待码垛零部件在机械手坐标系下的三维坐标位置；
机械手根据待码垛零部件的类别和位置抓取每个零部件，并堆叠到对应码垛上。
2.如权利要求1所述的基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，获取输入样本数据具体步骤包括：通过每个训练零部件在其点云上所在区域，得到该零部件区域的方向梯度直方图特征值，将3d点云数据以及该零部件区域的方向梯度直方图特征值作为输入样本数据训练支持向量机(svm)模型。
3.如权利要求1所述的基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，待码垛零部件的分类具体步骤包括：根据各待码垛零部件的种类数，基于零部件识别模型得到多个输出样本数据，将输出样本数据根据各待码垛零部件的种类进行分类编号。
4.如权利要求1所述的基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，将待码垛零部件任意放置在检测平台上，通过3d相机对待码垛零部件进行拍摄并获得3d点云数据，基于零部件识别模型对拍摄获得3d点云中的待码垛零部件进行识别定位。
5.如权利要求1所述的基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，通过3d相机对待码垛零部件进行定位，以及3d相机的内部参数标定得到待码垛零部件在3d相机坐标系下的三维坐标位置。
6.如权利要求1所述的基于机器学习的零部件快速自动化码垛堆叠方法，其特征在于，根据各待码垛零部件的类别，得到各待码垛零部件与机械手对应的预设抓取位姿，并记录机械手不同位姿数据，位姿数据组数与零部件类别数相匹配。
技术总结