论文部分内容阅读
随着我国基础设施建设及城镇化的快速发展,城市建设规模逐年扩大,但随之而来城市建设产生大量的建筑垃圾,对生态环境造成严重污染,建筑垃圾的资源化利用势在必行。目前,建筑垃圾的处理设备已经实现了部分工序的自动化,其中的木材和塑料分离这道工序仍然采用人工分拣的方式。为了实现这部分工序的自动化分拣,面对建筑垃圾种类繁多、形状复杂,传统的视觉算法较难识别分类和定位的问题,本文提出了基于YOLO目标检测算法分拣机器人系统。针对分拣任务要求,设计了分拣系统整体方案,并对分拣机器人进行运动学分析及仿真,采用张氏法标定了相机内外参数,再进行手眼标定实验,完成了视觉系统的标定,建立了目标物体在机器人基坐标系下的位姿关系,基于YOLO算法对目标物体识别和定位进行了研究分析,通过分拣实验,实现了建筑垃圾中的木材和塑料的分拣。研究内容包括:1.采用D-H法对工业机器人建模,进行了正、逆运动学求解,并通过仿真验证了机器人正、逆解的正确性。在Matlab机器人工具箱中建立工业机器人模型,对机器人进行轨迹规划的仿真分析,得到各个关节平滑连续的角位移、速度及加速度的曲线图。在视觉系统中,采用张氏法对相机进行标定实验,得到相机内外参数,再通过手眼标定实验,求解出相机在机器人基坐标系下的变换矩阵。2.在目标识别与定位方面,分析了基于卷积神经网的YOLO目标检测算法的网络结构和检测原理,采集建筑垃圾图像作为数据集,并使用数据增强技术扩充图像数据集,对数据集中的目标物体进行标注,用于训练自己的YOLO检测模型。为了方便测试图像,并设计了基于YOLO算法建筑垃圾目标检测系统。使用检测系统对建筑垃圾进行识别,YOLO模型能准确检测出图像中目标物体的位置、类别以及置信度信息。3.搭建由工业相机、计算机和工业机器人等组成的分拣实验平台,以验证YOLO算法的有效性。设计了机器人分拣实验,通过对工作台上的建筑垃圾进行50次分拣实验,其中,木材的识别率和分拣成功率分别为96%和90%,塑料的识别率和分拣成功率分别为94%和92%,实验结果表明:基于YOLO目标检测算法的分拣系统能有效的识别和定位目标物体,并通过机器人实现对目标物体的分拣,验证了分拣系统的可行性。