买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：郑州大学

摘要：本发明提供一种基于改进DGCNN网络的工业散乱零件实例分割方法，包括获取工业散乱零件堆积的点云场景，通过预处理手段剔除场景中的离群点和平台平面，基于采用面向实例分割的虚拟数据集生成算法来生成大量工业场景零件点云数据，将真实工业场景点云图融入虚拟数据集中进行深度学习训练，采用改进DGCNN网络的FPCC‑Net训练实例分割模型，可实现工业机器人在工业零件散乱堆叠且存在部分遮挡的情况下，鲁棒地实时完成三维工业场景实例分割任务，显著满足工业机器人在复杂零件场景中的三维智能感知和自主操作需求，有效地将目标从背景中准确分割出来。

主权项：1.一种基于改进DGCNN网络的工业散乱零件实例分割方法，其特征在于，所述方法包括以下步骤：步骤1：基于三维视觉系统采集M张零件个数为0-N的真实工业场景点云图；步骤2：采用基于统计方法的离群点剔除算法，将真实点云图中较为常见的离群点剔除，分别用作训练集和测试集；步骤3：利用改进虚拟数据集制作算法来生成满足实例分割网络训练使用的大量点云数据；步骤4：导入对应零件的CAD模型，根据V-HACD算法生成碰撞模型，生成模型对应的urdf文件和均匀采样点云文件；步骤5：设置数据集生成参数：每次循环零件最大数量N，数据收集周期K，零件最大尺寸、箱体尺寸；步骤6：启动Pybulletdropitems，创建带箱体的pybullet虚拟场景，依次投放N个零件，记录零件姿势pose、rgb图、深度图，清除场景，然后重复N+1次，直到达到最高限度；步骤7：使用Open3d重建完整场景，根据步骤2中生成的.ply点云文件和步骤4中的pose重建完整场景；加入模型点云尺寸变换函数，将输入的点云调整为工件的实际大小，满足实际抓取的需求；步骤8：根据每个点的物体模型计算中心分数centerscores，生成带有中心得分和分割索引；步骤9：根据相机焦距过滤重建步骤5中的场景点云数据，将过滤后的数据保存到.H5文件中；步骤10：经过对步骤3-9制作的数据集进行体素下采样和随机采样混合采样后，数据集中原始三维点云通过坐标转换到新坐标系下输入改进DGCNN特征提取器提取逐点特征；所述改进DGCNN算法包括多层特征融合；步骤11：步骤10提取的点特征分别送入嵌入特征分支和中心得分分支生成大小为N×128的嵌入特征和大小为N×1的预测中心得分；步骤12：对具有中心分数的点进行非极大值抑制，得到每个实例的中心，然后根据特征到中心点的距离生成预测实例，得到分类结果。

全文数据：

权利要求：

百度查询： 郑州大学 一种基于改进DGCNN网络的工业散乱零件实例分割方法