摘要
本发明提供一种箱体识别方法,包括:获取训练用箱体在目标箱体的识别场景下的彩色图与深度图;根据训练用箱体的彩色图与深度图制作数据集;建立基于Transformer编码器的分割网络模型;根据数据集训练分割网络模型;对分割网络模型进行测试;通过完成测试的分割网络模型识别目标箱体的箱体种类和边界点坐标,本发明的网络模型的输入数据在数据来源为彩色图的基础上增加了深度图,能够结合纸箱距离相机的远近来提高识别效果,并基于Transformer的架构进行了网络设计的改进,可以更准确的识别纸箱的边界,为机械臂抓取纸箱时按照纸箱分割结果来分割点云提供更准确的数据支持,对于提高卸货自动化程度具有重要的现实意义。
技术关键词
深度图
识别方法
位置编码器
箱体识别系统
数据
解码器
坐标
前馈神经网络
抓取纸箱
模型训练模块
图像获取模块
检测头
特征提取器
场景
训练集
像素点
系统为您推荐了相关专利信息
轨迹估计方法
双向神经网络
非线性滤波
数据
双向长短期记忆网络
辅助系统
智能决策支持
人工智能算法
生成关系
图谱
JSON格式数据
因子权重
数据处理功能
前馈神经网络
复合材料电线杆