摘要
本发明提供了基于图像处理的斗轮机取料方法、装置、设备及介质,涉及工程控制技术领域,包括:根据深度学习网络对料堆图像信息中的图像进行立体视觉构建,得到料堆三维模型;基于料堆三维模型和料堆动态变化参数构建动态环境模型,通过强化学习技术对斗轮机初始位置进行轨迹规划,得到斗轮机的行走轨迹;根据斗轮机的行走轨迹、料堆图像信息中的分段信息和料堆三维模型中的分层高度进行运动状态预测,得到斗轮机绕悬臂回旋轨迹;根据斗轮行走轨迹和斗轮机绕悬臂回旋轨迹进行构建,结合对历史取料数据、物料类型特性和堆料稳定性进行评估优化,得到取料方案。本发明解决了取料效率低下、部分堆料被遗漏或根本无法有效取料的问题。
技术关键词
斗轮机
三维模型
取料方法
强化学习模型
图像处理
深度学习网络
强化学习技术
轨迹模型
立体视觉
三维点云模型
悬臂
动态
深度学习模型
工程控制技术
参数
取料装置
分段
系统为您推荐了相关专利信息
识别方法
深度学习网络提取
组学方法
影像
克罗恩病患者
融合特征
多尺度特征融合
双足人形机器人
编码特征
姿态检测方法
标签
甲状腺超声图像
随机森林模型
机器学习训练
特征提取模块
灰度模板匹配算法
焊点
组合光源
焊线
芯片表面缺陷