基于二進(jìn)制描述子的工件識(shí)別方法研究.pdf

1、隨著圖像處理的快速發(fā)展，基于計(jì)算視覺(jué)技術(shù)的工件識(shí)別受到工業(yè)界的廣泛關(guān)注。工件識(shí)別是工業(yè)自動(dòng)化生產(chǎn)的重要組成部分，其主要通過(guò)計(jì)算視覺(jué)技術(shù)和工業(yè)機(jī)器人的結(jié)合，實(shí)現(xiàn)工業(yè)生產(chǎn)線上目標(biāo)工件的自動(dòng)識(shí)別和分類(lèi)。近年來(lái)，基于計(jì)算機(jī)視覺(jué)技術(shù)的工件識(shí)別發(fā)展迅速，已廣泛應(yīng)用于汽車(chē)裝配、設(shè)備組裝等領(lǐng)域。
　　本文對(duì)基于二進(jìn)制描述子的工件識(shí)別技術(shù)進(jìn)行了研究，主要工作如下：
　　(1)考慮到浮點(diǎn)型SURF描述子依賴(lài)主方向技術(shù)，存在對(duì)旋轉(zhuǎn)魯棒性差的問(wèn)題，

2、給出一種旋轉(zhuǎn)不變的二進(jìn)制描述子與SURF特征檢測(cè)算法相結(jié)合的工件識(shí)別方法。在該方法中，二進(jìn)制描述子采用旋轉(zhuǎn)采樣方式，不需要計(jì)算特征點(diǎn)的主方向，采樣區(qū)域和特征向量本身旋轉(zhuǎn)不變，從而避免了主方向計(jì)算錯(cuò)誤帶來(lái)的錯(cuò)誤匹配。實(shí)驗(yàn)結(jié)果表明，該方法有效地改善了旋轉(zhuǎn)魯棒性。
　　(2)針對(duì)FREAK算法在尺度變換和旋轉(zhuǎn)變換下識(shí)別率低的問(wèn)題，提出一種改進(jìn)FREAK描述子與Fast Hessian特征檢測(cè)算子相結(jié)合的工件識(shí)別方法。該方法采用Fast

3、Hessian特征檢測(cè)算子進(jìn)行特征點(diǎn)檢測(cè)，增強(qiáng)FREAK描述子在尺度變換下的識(shí)別能力。通過(guò)減小采樣點(diǎn)平滑范圍重疊區(qū)域，給出一種圓形采樣模式。該方法用灰度排序思想對(duì)圖像進(jìn)行子區(qū)域劃分，可實(shí)現(xiàn)不依賴(lài)于特征點(diǎn)方向的旋轉(zhuǎn)不變性；在子區(qū)域內(nèi)進(jìn)行采樣時(shí)設(shè)定灰度值閾值，減弱了背景的影響，提高了描述子的性能；采用子區(qū)域級(jí)聯(lián)方式進(jìn)行描述子初匹配，并用RANSAC算法消除描述子的誤匹配，提高了描述子的匹配速度，改善了匹配準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，該方法增強(qiáng)了F