基于視覺的機械手目標(biāo)識別及定位研究.pdf

1、機器視覺作為獲得環(huán)境信息的主要手段之一,可以增加工業(yè)機器人的自主能力,提高其靈活性。工業(yè)機器人通過視覺如何根據(jù)所獲取的圖像信息,正確地、實時地提取出工件特征參數(shù)、識別出工件類型并判斷出工件所處的位置姿態(tài),是機器視覺應(yīng)用于工業(yè)領(lǐng)域的關(guān)鍵技術(shù)之一。本文以機械手目標(biāo)識別和定位算法為研究目標(biāo),主要針對工件的實時匹配識別技術(shù)和空間定位技術(shù)進行了詳細(xì)的研究。主要工作如下：1.為了解決亮度不均勻等復(fù)雜環(huán)境下的圖像匹配問題,改進了一種基于邊緣匹配的工件

2、識別算法。該算法對原始圖和模板圖采用樣條小波進行增強,用Canny算子提取的邊緣信息作為匹配特征,將改進的Hausdorff距離作為圖像匹配的相似性度量,在搜索過程中采用了基于種群代溝信息的自適應(yīng)遺傳算法,在不損失解的質(zhì)量的情況下,使遺傳算法求解效率得到明顯的改善。實驗結(jié)果表明,該算法不僅加快了匹配過程,對于光照條件的變化具有很好的抵抗能力,而且能有效解決不易提取邊緣信息等情況下的圖像匹配識別問題。2.為了解決平移、旋轉(zhuǎn)、縮放和部分遮擋

3、等復(fù)雜環(huán)境下的工件圖像匹配問題,給出了一種基于SIFT特征匹配的工件識別算法。該算法采用SIFT(尺度不變特征變換)特征作為匹配特征,引入歐氏距離作為圖像匹配的相似性度量,最后對特征點進行錯配消除,大大提高了匹配的速度。實驗結(jié)果證明,該算法能有效解決具有平移、旋轉(zhuǎn)、縮放和部分遮擋等情況下的工件匹配識別問題。3.小波變換具有數(shù)據(jù)壓縮和檢測信號局部突變的能力,而SIFT(尺度不變特征變換)對于平移、旋轉(zhuǎn)、縮放和部分遮擋具有不變性。結(jié)合小波變

4、換與SIFT特征提出了一種有效的工件圖像匹配方法。該方法將原始圖和模板圖做小波分解以獲得粗尺度的平滑圖像；利用DoG算子對工件圖像進行關(guān)鍵點檢測,進而用歐氏距離對關(guān)鍵點進行特征匹配,最后對特征點進行錯配消除。因此,兩者優(yōu)勢的結(jié)合不但可以有效減少工件圖像匹配的計算量,而且還可以減弱對于圖像采集平臺拍攝方位、拍攝距離、角度、光照條件等的依賴性,提高算法的實用性。4.結(jié)合生產(chǎn)制造過程中工件的自動定位、識別、計數(shù)、分類等問題,為滿足硬件及實時性

5、要求,針對DSP6000系列VC4016嵌入式智能相機(以下簡稱VC4016),提出一種基于視覺的工件特征向量匹配識別方法,對每個工件進行特征提取,并建立向量對應(yīng)關(guān)系,采用特征向量匹配方法與基于神經(jīng)網(wǎng)絡(luò)實現(xiàn)工件的識別。然后,應(yīng)用VC4016,采用色彩轉(zhuǎn)換,RlC(run length code)圖像處理技術(shù)和Socket通信技術(shù),實現(xiàn)工件自動定位識別系統(tǒng)的軟件開發(fā)。5.對目標(biāo)的三維重建工作進行了研究,主要從視覺系統(tǒng)的構(gòu)建入手,通過對常用

6、的攝像機模型及其標(biāo)定方法的分析,建立了同時對兩攝像機進行標(biāo)定來推導(dǎo)兩攝像機位姿關(guān)系的方法。鑒于棋盤格圖像應(yīng)用在本文的攝像機標(biāo)定中,因此為了對邊緣模糊的棋盤格圖像進行在線標(biāo)定,提出了一種改進棋盤格圖像角點檢測效果的方法,該方法是對標(biāo)定板圖像采用小波增強,以提高標(biāo)定板圖像的清晰度。利用圖像點及攝像機的標(biāo)定參數(shù)求解空間點的位置,根據(jù)兩攝像機之間的位姿關(guān)系,把圖像點在某一攝像機坐標(biāo)系下的坐標(biāo)值轉(zhuǎn)化為另一攝像機坐標(biāo)系下的坐標(biāo)值,從而簡化了空間點的