基于視覺的機械手目標識別及定位研究.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所獲取的圖像信息,正確地、實時地提取出工件特征參數、識別出工件類型并判斷出工件所處的位置姿態(tài),是機器視覺應用于工業(yè)領域的關鍵技術之一。本文以機械手目標識別和定位算法為研究目標,主要針對工件的實時匹配識別技術和空間定位技術進行了詳細的研究。主要工作如下：1.為了解決亮度不均勻等復雜環(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遺傳算法,在不損失解的質量的情況下,使遺傳算法求解效率得到明顯的改善。實驗結果表明,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、縮放和部分遮擋

3、等復雜環(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。實驗結果證明,該算法能有效解決具有平移、旋轉、縮放和部分遮擋等情況下的工件匹配識別問題。3.小波變換具有數據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、縮放和部分遮擋具有不變性。結合小波變

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鍵點檢測,進而用歐氏距離對關鍵點進行特征匹配,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.結合生產制造過程中工件的自動定位、識別、計數、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,并建立向量對應關系,采用特征向量匹配方法與基于神經網絡實現工件的識別。然后,應用VC4016,采用色彩轉換,RlC(run length code)圖像處理技術和Socket通信技術,實現工件自動定位識別系統(tǒng)的軟件開發(fā)。5.對目標的三維重建工作進行了研究,主要從視覺系統(tǒng)的構建入手,通過對常用

6、的攝像機模型及其標定方法的分析,建立了同時對兩攝像機進行標定來推導兩攝像機位姿關系的方法。鑒于棋盤格圖像應用在本文的攝像機標定中,因此為了對邊緣模糊的棋盤格圖像進行在線標定,提出了一種改進棋盤格圖像角點檢測效果的方法,該方法是對標定板圖像采用小波增強,以提高標定板圖像的清晰度。利用圖像點及攝像機的標定參數求解空間點的位置,根據兩攝像機之間的位姿關系,把圖像點在某一攝像機坐標系下的坐標值轉化為另一攝像機坐標系下的坐標值,從而簡化了空間點的