基于BP神经网络的多Kinect相机数据融合技术

在工业机器人视觉系统中,因制造工艺限制,单台相机在视角上存在限制,导致相机采集机器人周围环境信息不足的问题,采用多台相机的布置方案,在视觉信息处理部分对数据进行数据融合可以解决以上问题。BP神经网络是处理数据融合的一项有效工具,它模拟人脑的工作原理,通过一定量的数据样本训练网络,将数据间复杂的逻辑关系转换为网络节点间的连接权重参数,然后根据输出值与期望值的误差动态调整权重参数,从而得到理想的融合数据。通过BP神经网络数据融合算法,把相机采集到的信息互补利用与组合,剔除冗余信息,减少单台相机数据的局限性。基于此,考虑到Kinect相机70°视角的限制,采用三台相机的硬件布置方案,构建数据融合神经网络,将Kinect采集到的视觉信息作为神经网络的输入和输出样本,并进行实时训练,对三台相机的视觉信息进行信息融合。实验证明了方案简单、有效,解决了单相机视角不足的问题,在精度上满足工业机器人视觉系统的要求。