关于高效匹配方法的研究 煤识别图像和图像排序的研究
Zhang Ye1,2, Ma Hongwei3,4, Wang Peng3,4
1School of Mechanical Engineering, Xi'an University of Science and Technology, Xi'an, 710054, China. xust-zy@xust.edu.cn.
Scientific reports
|October 27, 2024
概括
一种新的两阶段网络方法,IMSP-Net,通过准确地回收目标位置,尽管输送带的变化,提高了煤炭排序机器人. 这提高了自动排序系统的把握精度和效率.
科学领域:
- 机器人和自动化 机器人和自动化
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 煤排序机器人面临的挑战是由于带式输送机的不稳定性 (滑动,偏离,速度波动) 导致目标位置的变化.
- 这些位置不准确导致抓取失败,并降低了自动化系统的排序效率.
研究的目的:
- 开发和评估一个强大的图像快速匹配方法,用于重新获取目标煤位置.
- 为了提高煤分类机器人的抓取精度和操作效率.
主要方法:
- 实施了两阶段的网络方法:IMSP-Net.
- 阶段1:利用SuperPoint进行特征点提取,增强了多尺度Retinex与色彩恢复 (MCR) 以提高场景适应性.
- 第二阶段:使用SuperGlue进行特征匹配,并使用PROSAC算法消除错误匹配,确保可靠和准确的图像匹配.
主要成果:
- IMSSP-Net方法在定制制造的双操纵器托架型煤排序机器人上实现了高性能.
- 实验结果显示,匹配精度为98.2%,回忆率为98.3%.
- 该方法表现出84.6毫秒的快速匹配时间,适合实时应用.
结论:
- 开发的IMSP-Net方法有效地应对了在煤排序中动态目标定位的挑战.
- 该技术显著提高了用于机器人分类操作的图像匹配的准确性和效率.
- 该方法满足了工业分类应用中实时,精确的图像匹配的严格要求.


