一种基于视觉的单传感器方法,用于识别和定位卸载

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:

• 准确识别和定位散装卸载货物槽对于铁路货运自动化至关重要.
• 工业4.0和人工智能集成正在将手动操作转变为散装货物卸载中的智能控制.

研究的目的:

• 开发基于视觉的3D定位系统,用于卸载.
• 为解决智能铁路货运准确识别和定位的技术挑战.

主要方法:

• 一个单一的视觉传感器架构整合了对象检测,角落提取和3D定位.
• 在YOLOv5中使用轻量化混合注意力机制来增强跳槽检测.
• 使用深度一致性约束 (DCC) 和几何约束来提取子像素角.
• 通过基于角的初始化和RGB-D SLAM实现实时3D本地化.

主要成果:

• 拟议的系统在复杂的工业场景中实现了97.07%的平均定位精度.
• 在具有挑战性的工作条件下表现出高精度和强度.
• 成功集成了对象检测,角落提取和3D定位模块.

结论:

• 开发的系统满足了铁路散装卸货的自动化,智能化和高精度要求.
• 该系统显示出强大的工程实用性和智能铁路货运的重大应用潜力.
• 该方法提高了散装货物处理过程的效率和安全性.