基于深度学习的钢筋绑扎机器人目标识别定位

来源：电子测量技术杂志2022年第11期北京时间：

作者：董国梁，张 雷，辛 山

单位：北京建筑大学电气与信息工程学院 北京 100044

摘要：为了解决钢筋绑扎机器人对绑扎点识别准确率低，定位精度差的问题，提出一种基于深度学习的钢筋绑扎机器人目标识别与定位方法。首先采用YOLOv4算法对绑扎点目标框识别和裁剪，完成绑扎点初始定位；其次设计轮廓角点选取方法，利用角点计算绑扎点的图像坐标；之后通过融入CBAM注意力机制改进Monodepth算法的特征提取部分，解码部分引入路径增强PAN结构，以提高模型的特征提取能力，进一步提高立体匹配精度；最后通过双目立体视觉定位技术获得绑扎点深度信息，并由坐标变换求解钢筋绑扎机器人手眼坐标系映射关系，从而实现对绑扎点的精确识别和定位。实验结果表明：该方法针对绑扎点目标框的识别准确率达到了99.75%，每秒传输帧数达到54.65；在空间中的定位精度最大误差为11.6mm。可较好地识别定位绑扎点位置，为自动绑扎工作提供有力支持。

关键词：钢筋绑扎机器人; 深度学习; 目标识别; 特征提取; 深度估计; 双目视觉

基金资助：智能机器人与系统高精尖创新中心建设项目(00921917001)资助