- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
基于RGB-DSLAM技术的餐具回收装置
项目实施方案
一、项目背景及研究意义
餐饮行业作为满足居民“衣食住行”四大基本生活需求之一的行业,规模庞大。
2019年中国餐饮业收入达到46721亿元,占社会消费品零售总额的11.3%,是名
副其实的国民支柱产业。
然而,餐饮企业的经营难度越来越大。北上广深四大城市每个月餐饮门店的
倒闭率高达10%,高淘汰率已成为餐饮行业的常态。中国烹饪协会数据显示,
2016年,全国餐饮百强企业的利润率仅4.70%,众多餐饮商家面临着房租高、人
力成本高、食材成本高、毛利低的“三高一低”的困境,利润空间被不断压缩,广
大食客也被高昂的餐饮费用所扰。
为缓解餐饮行业人力成本居高不下的难题,“机器人餐厅”的理念开始得到实
践。碧桂园研发推出了一款机器人餐厅,餐厅中共配置了46项机器人设备,配
菜、烹制、传菜全部由机器人完成。机器人餐厅节省了大量人力,显著降低了人
力成本。随着餐厅机器人性能和可靠性的不断提高,机器人在餐饮行业预计将得
到广泛应用。
现在提出一种基于RGB-DSLAM(SimultaneousLocalizationandMapping,
SLAM同时定位与地图构建技术)的餐具回收机器人,完成餐具回收的工作。
RGB-DSLAM是指使用RGB-D相机作为视觉传感器,进行同时定位与地图构建
(SLAM)的技术。在餐具回收环节,该装置首先应到达餐盘回收位置,然后用RGB-
D摄像机获取餐桌上的视觉信息,通过计算机解析获得定制餐具的位置特征,计
算机构建虚拟地图,再由机载位置传感器获取装置在虚拟地图上的实时位置,最
后由机械手夹取餐具进行回收。
图1机器人餐厅
二、项目的创新之处
1)将RGB-DSLAM同时定位与地图构建技术和机械手的抓取能力结合,利
用RGB-D相机获取待夹取物品的位置特征和形态特征,构建虚拟地图,再用机
械手实现物理回收的功能。
2)设计具有适应性的机械手,能够实现对多种形状典型餐具的夹持。
3)同时定位与地图构建技术和位置传感器结合,同时解决装置“我在哪
儿”“我要去哪儿”的问题。
三、项目的研究内容和研究目标
3.1研究目标
1)研究设计特制餐具,在基本不改变餐具形态结构的情况下,使其具备较
鲜明的视觉特征,易于被机器视觉识别。
2)研究如何运用RGB-DSLAM方法,通过RGB-D摄像头获取餐桌上特制
餐具的视觉信息,并进行分析运算,解析出餐具的视觉特征和位置信息以用于构
建虚拟地图。
3)设计具有一定适应性的机械手,在获取桌面餐具的形态和位置信息后能
够自主移动到理想的位置,并夹持回收不同形状的典型餐具。
3.2研究内容
需研究RGB-D视觉传感器的使用方法。RGB-D相机作为新兴传感器,它
可以同时获取周围环境的RGB图像和每个像素的深度信息,可以更直接方便地
获取空间点的3D信息,有利于构建包含有立体空间信息的虚拟地图。应研究
RGB-D相机在餐桌上的应用问题,要选择合适的相机并考虑安装位置,以获得
餐桌上餐具较好的视觉信息。
需研究SLAM方法的操作流程和移植运用。目前常采用的是基于特征的
SLAM方法,特征点法被认为是SLAM的主流方法。关键点是指该特征点在图
像里的位置,描述子通常是一个向量,按照人们的需求描述关键点周围像素的信
息。常用的特征提取算法有SIFTI、SURF和ORB等。经实验测得其中效率最
高的是ORB算法。若采用较高效率的方案,需要研究ORB算法的原理和使用方
法,探索如何在餐桌条件下,使用ORB算法提取餐具的特征点,之后建立虚拟
地图。
需研究典型餐具的特征点设置方法。在研究基于特征的SLAM方法后,可
以明白怎样设置特征点更容易让RGB-D相机识别,提高识别的准确率。以此为
基础,为典型餐具设计较为合理的特征点设计方案。
需研究夹持机械手的结构,设计一款成本较低,结构较为精简的专用机械手,
专门为夹持有限的几种典型餐具而设计。在低成本的考量下,机械手无法设计的
精密复杂,因此要在满足
文档评论(0)