通孔元件插入中的手中位姿估计与引脚检测

通孔元件的插入是一项困难任务。由于孔公差非常小，插入中的微小误差将导致失败。这些失败会损坏元件并需要人工干预恢复。误差可能来自不精确的物体抓取和弯曲的引脚。因此，系统能够准确确定物体位置并剔除引脚弯曲的元件十分重要。利用物体抓取中固有的约束，一种基于模板匹配的方法能够获得非常精确的位姿估计。同时也实现并比较了引脚检查方法，并给出了一种成功的方法。该装置自动完成，有两个新颖贡献：对引脚进行深度学习分割，并通过仿真求得检测位姿。由检测位姿和分割出的引脚，生成用于位姿估计和引脚检查的模板。为训练深度学习方法，创建了分割的通孔元件数据集。该网络在测试集上显示出97.3%的准确率。引脚分割网络也在插入CAD模型上测试，并成功分割引脚。完整系统在三个不同物体上测试，实验表明该系统能通过纠正手中抓取误差和剔除引脚弯曲物体来成功插入所有物体。