一种基于深度学习与点云的无序堆叠物料分拣方法

本发明涉及一种基于深度学习与点云的无序堆叠物料分拣方法，所述方法包括：构建散乱序堆叠物料数据集；训练YOLOv5s物料识别模型；基于YOLOv5的目标推理结果和深度相机采集的深度图像构建无序堆叠物料三维点云；利用改进随机一致性采样算法估计机械臂末端抓取位姿；利用YOLOv5推理边界框估计物料尺寸；利用相机视场角估计物料最佳拍摄高度；利用串口通信实现上位机对机械臂的抓取控制；利用估计物料尺寸对物料进行分级分拣。本发明是基于视觉感知、深度学习的概念进行设计和开发的，将2D彩色图像深度学习推理结果与3D深度图像融合构建点云，提高了无序堆叠物料识别、抓取姿态估计的准确度，同时根据物料估计尺寸进行分级分拣，提高物料分拣的稳定性。