欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024117157564
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 手动工具;轻便机动工具;手动器械的手柄;车间设备;机械手
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种钢筋绑扎机器人的自动作业方法,其特征在于,应用于钢筋绑扎机器人,所述方法包括:通过生产线上的相机群获取钢筋笼的全局图像;

基于所述全局图像生成所述钢筋笼的三维点云模型;

识别所述三维点云模型中的钢筋节点,根据所述钢筋节点的位置对所述三维点云模型进行分块处理,以得到机器人定位点序列;

执行所述机器人定位点序列的遍历步骤,以对所述钢筋笼进行全局绑扎;

所述机器人定位点序列的遍历步骤,包括:通过获取所述钢筋笼的周边环境图像,生成引导所述钢筋绑扎机器人移动到当前遍历的定位点的移动路径,基于所述移动路径移动到所述当前遍历的定位点,生成所述当前遍历的捆扎定位点对应的局部拍照点序列,并执行所述局部拍照点序列的遍历步骤,以对所述钢筋笼进行局部绑扎;

所述局部拍照点序列的遍历步骤,以对所述钢筋笼进行局部绑扎,包括:获取当前遍历的局部拍照点对应的所述钢筋笼的局部图像,基于所述局部图像生成绑扎路径,并基于所述绑扎路径对所述钢筋笼进行局部绑扎;

所述获取当前遍历的局部拍照点对应的所述钢筋笼的局部图像,基于所述局部图像生成绑扎路径,包括:获取所述当前遍历的局部拍照点对应的所述钢筋笼的所述局部图像;将所述局部图像输入至神经描述符模型,以使所述神经描述符模型识别并输出钢筋节点在局部图像中的位置和姿态;基于所述钢筋节点在局部图像中的位置和姿态生成所述绑扎路径;

所述神经描述符模型是预先通过标注的多组用于模型训练的钢筋节点集合的三维点云数据训练得到,所述局部图像为包括多个局部钢筋节点的局部点云图像;

所述将所述局部图像输入至神经描述符模型,以使所述神经描述符模型识别并输出钢筋节点的位置和姿态,包括:将所述局部图像输入至所述神经描述符模型;通过神经描述符模型将所述局部图像中各局部钢筋节点的坐标映射到空间描述符,以得到各局部钢筋节点对应的神经描述符,所述各局部钢筋节点的坐标为所述各局部钢筋节点在基于所述局部图像建立的局部坐标系中的坐标,所述神经描述符用于描述所述局部钢筋节点在所述局部图像中的位置;选择一组刚性查询点表示钢筋节点的局部坐标框架,通过所述神经描述模型估计所述各局部钢筋节点在所述局部坐标框架中的姿态,以得到各局部钢筋节点的姿态描述符,所述姿态描述符用于描述所述局部钢筋节点在所述图像中的姿态。

2.根据权利要求1所述的方法,其特征在于,在基于所述全局图像生成所述钢筋笼的三维点云模型之后,所述方法还包括:从所述三维点云模型中提取所述钢筋笼的几何信息,所述几何信息包括以下至少一种信息:钢筋间距、钢筋笼尺寸以及钢筋直径;

将所述几何信息与预先训练的建筑信息模型BIM模型进行比对,以判断所述钢筋笼是否符合所述BIM模型指示的标准规格;

所述识别所述三维点云模型中的钢筋节点,包括:当所述钢筋笼符合所述BIM模型指示的标准规格时,识别所述三维点云模型中的钢筋节点。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

当所述钢筋笼的钢筋间距不符合所述BIM模型指示的标准规格时,调整所述钢筋笼的钢筋间距直至满足所述BIM模型指示的标准规格。

4.根据权利要求1所述的方法,其特征在于,在执行完所述机器人定位点序列的遍历步骤之后,所述方法还包括:获取所述钢筋笼的新的全局图像,并基于所述新的全局图像判断所述钢筋笼是否存在漏绑点;

若所述钢筋笼存在漏绑点,则获取漏绑点对应的局部图像,基于所述漏绑点对应的局部图像生成补绑路径,并基于所述补绑路径对所述漏绑点进行补绑。

5.根据权利要求1所述的方法,其特征在于,所述通过获取所述钢筋笼的周边环境图像,生成引导所述钢筋绑扎机器人移动到当前遍历的定位点的移动路径,包括:获取所述钢筋笼的所述周边环境图像,通过液态神经网络生成引导所述钢筋绑扎机器人移动到所述当前遍历的定位点的所述移动路径。

6.根据权利要求5所述的方法,其特征在于,所述获取所述钢筋笼的所述周边环境图像,通过液态神经网络生成引导所述钢筋绑扎机器人移动到所述当前遍历的定位点的所述移动路径,包括:获取所述钢筋笼的所述周边环境图像;

将所述周边环境图像输入至所述液态神经网络的输入层,以使所述输入层输出所述周边环境图像的图像编码;

将所述图像编码输入至所述液态神经网络的液态层,以使所述液态层通过神经元的密集连接和动态行为,对所述图像编码进行非线性处理和模式识别,以得到信息编码,所述信息编码包括:从所述图像编码中提取的特征信息,以及与特征信息对应的决策;

将所述信息编码输入至所述液态神经网络的输出层,以使所述输出层将所述信息编码中的所述特征信息以及所述特征信息对应的决策转换为一系列的行动导航指令,以得到引导所述钢筋绑扎机器人移动到所述当前遍历的定位点的所述移动路径。

7.根据权利要求6所述的方法,其特征在于,所述液态神经网络的训练过程包括:

获取训练集,所述训练集包括:操控人员操控所述钢筋绑扎机器人移动过程中的传感器数据以及所述钢筋绑扎机器人接收到的行动指令;

以所述传感器数据作为所述液态神经网络的输入,以所述行动指令作为所述液态神经网络的输出,通过所述液态神经网络的动态适应性能力和时变权重调整能力进行模型训练,并在训练过程中,利用方向传播算法优化网络参数,直至所述液态神经网络完成模型训练。

8.一种钢筋绑扎机器人,其特征在于,所述钢筋绑扎机器人包括:感知模块、终端控制模块、绑扎模块、底盘模块和通讯模块;

所述终端控制模块,用于控制所述感知模块通过生产线上的相机群获取并返回钢筋笼的全局图像,基于所述全局图像生成所述钢筋笼的三维点云模型,识别所述三维点云模型中的钢筋节点,根据所述钢筋节点的位置对所述三维点云模型进行分块处理,以得到机器人定位点序列;

所述终端控制模块,还用于执行所述机器人定位点序列的遍历步骤,以控制所述绑扎模块对所述钢筋笼进行全局绑扎;

所述机器人定位点序列的遍历步骤,包括:控制所述感知模块获取并返回所述钢筋笼的周边环境图像,生成引导所述钢筋绑扎机器人移动到当前遍历的定位点的移动路径,以控制所述底盘模块将所述钢筋笼绑扎机器人移动到当前遍历的定位点;生成所述当前遍历的定位点对应的局部拍照点序列,并执行所述局部拍照点序列的遍历步骤,以控制所述绑扎模块对所述钢筋笼进行局部绑扎;

所述局部拍照点序列的遍历步骤,包括:控制所述感知模块获取并返回当前遍历的局部拍照点对应的所述钢筋笼的局部图像,基于所述局部图像生成绑扎路径;

所述感知模块,用于获取所述钢筋笼的所述全局图像、所述周边环境图像以及所述局部图像;

所述绑扎模块,用于基于所述绑扎路径对所述钢筋笼进行局部绑扎;

所述底盘模块,用于基于所述移动路径将所述钢筋笼绑扎机器人移动到所述当前遍历的定位点;

所述通讯模块,用于分别建立所述感知模块、所述绑扎模块以及所述底盘模块与终端控制模块的通信;

所述终端控制模块,具体用于:控制所述感知模块获取并返回所述当前遍历的局部拍照点对应的所述钢筋笼的所述局部图像;将所述局部图像输入至神经描述符模型,以使所述神经描述符模型识别并输出钢筋节点在局部图像中的位置和姿态;基于所述钢筋节点在局部图像中的位置和姿态生成所述绑扎路径;

其中,所述神经描述符模型是预先通过标注的多组用于模型训练的钢筋节点集合的三维点云数据训练得到,所述局部图像为包括多个局部钢筋节点的局部点云图像;

所述将所述局部图像输入至神经描述符模型,以使所述神经描述符模型识别并输出钢筋节点的位置和姿态,包括:将所述局部图像输入至所述神经描述符模型;通过神经描述符模型将所述局部图像中各局部钢筋节点的坐标映射到空间描述符,以得到各局部钢筋节点对应的神经描述符,所述各局部钢筋节点的坐标为所述各局部钢筋节点在基于所述局部图像建立的局部坐标系中的坐标,所述神经描述符用于描述所述局部钢筋节点在所述局部图像中的位置;选择一组刚性查询点表示钢筋节点的局部坐标框架,通过所述神经描述模型估计所述各局部钢筋节点在所述局部坐标框架中的姿态,以得到各局部钢筋节点的姿态描述符,所述姿态描述符用于描述所述局部钢筋节点在所述图像中的姿态。

我要求购
我不想找了,帮我找吧
您有专利需要变现?
我要出售
智能匹配需求,快速出售