可变形线性物体交叠交叉姿态的递进式识别方法

摘要

以电线、电缆等为代表的可变形线性物体的自动抓取和操控在多个行业的智能装配中至关重要，其不规则形状和易相互交叠交叉的特性给视觉检测带来了严峻挑战.可变形线性物体抓取对速度要求较高，现有识别算法为了提高速度，牺牲部分图像信息，且现有算法稳定性较差，导致在可变形线性物体交叉交叠时产生误检.为解决这一难题，本文提出一种递进式可变形线性物体检测方法.首先，本文使用语义分割网络得到包含可变形线性物体信息的二值掩膜图像，显著增强交叠区域与背景区域的特征差异；其次，根据可变形线性物体近似直径估算距离阈值，结合交叠区域像素点与背景区域像素点最短距离大于距离阈值的特性，确定交叠区域，使用交叠区域形状信息和颜色信息确定交叠部分的物体边界，生成新的掩膜，消除交叠状态可变形线性物体导致的特征遮挡；最后，结合基于向量相似性的简单神经网络比较交叉点附近线段的特征相似性，匹配交叉点附近线段，解决交叉点附近物体的模糊交集.实验结果证明，在自建可变形线性物体数据集中，本文方法可以准确检测交叠状态的可变形线性物体，在识别单个物体和相互交叉物体时，识别准确率较对比算法提升23.3%,多姿态多颜色67个样本识别准确率的均方误差较对比算法降低0.07,表现出更好的鲁棒性.

关键词

可变形线性物体 / 语义分割 / DLO检测 / 物体交叠交叉检测