物料无序分拣中的3D视觉技术

发布时间：2021-02-05 21:58

　　物料分拣是智能制造/智能物流的重要环节,利用机器人实现物料自动化分拣是重要技术。联合视觉技术和机器人技术的方案,使得机器人将取代人眼的智能识别功能,从而使机器人能够高精化和智能化的进行物料无序分拣,对能够降低工业的生产成本、确保产品的高质量、提高生产效率等具有重要意义。本文针对生产线物料无序的分拣需求,利用机器视觉,采集物料无序状态图像,结合2D图像和3D Depth图像特点,提出融合2D图像SIFT特征和3D Depth图像的NARF特征物料三维识别与定位技术。首先,介绍项目的研究背景,立体视觉技术的研究现状以及讨论本文的研究内容与工作的安排;其次,设计物料视觉系统。先描述物料无序分拣的需求,在此需求的基础,确定视觉系统各个硬件的选型,并设计物料无序分拣系统的视觉系统及对主要模块进行描述。第三,物料的图像预处理。采集物料图像的预处理包括两个部分:2D图像预处理和3D Depth图像的预处理。在2D图像预处理中,首先对图像增强,其次进行图像滤波,最后进行图像分割,提取物料区域。在深度图像处理中,介绍研究引起3D Depth物料图像产生畸变的原因,并提出降低噪声误差、提高测量精度的方法。... 

【文章来源】：广东工业大学广东省

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题研究背景
    1.2 立体视觉技术国内外研究现状
    1.3 本文主要工作内容与结构安排
第二章 物料无序分拣视觉系统设计
    2.1 物料分拣视觉系统需求分析
    2.2 物料分拣的视觉系统设计
        2.2.1 照明设计
        2.2.2 光学成像模块
    2.3 本章小结
第三章 物料的图像预处理
    3.1 物料的2D图像预处理
        3.1.1 图像增强
        3.1.2 图像滤波
        3.1.3 图像分割
    3.2 物料的3D Depth图像预处理
    3.3 本章小结
第四章 物料特征的识别与定位
    4.1 相机标定
        4.1.1 相机畸变参数
        4.1.2 九点标定
    4.2 二维图像SIFT特征
        4.2.1 SIFT的概述
        4.2.2 SIFT尺度空间
        4.2.3 DoG空间极值检测
        4.2.4 删除冗余特征点
        4.2.5 特征点的主方向
        4.2.6 特征描述子的生成
    4.3 3D图像的NARF特征
        4.3.1 NARF 特征边缘检测
        4.3.2 NARF特征点提取
    4.4 物料特征选择与提取
        4.4.1 三维模型重建
        4.4.2 计算质心三维坐标
    4.5 本章小结
第五章 实验结果与分析
    5.1 实验硬件平台的搭建
    5.2 相机标定
    5.3 物料特征选择提取
    5.4 基于3D模型的识别与定位
    5.5 本章小结
总结与展望
    总结
    展望
参考文献
攻读学位期间发表专利
致谢


【参考文献】：
期刊论文
[1]一种视点直方图特征优化的点云目标识别算法[J]. 杜靖远,邓计才.  河南科技大学学报(自然科学版). 2018(05)
[2]改进的基于FPFH特征配准点云的方法[J]. 马大贺,刘国柱.  计算机与现代化. 2017(11)
[3]基于FPFH特征的点云配准技术[J]. 陈学伟,万韬阮,王祖全.  电脑知识与技术. 2017(04)
[4]基于图像分割评估运行绝缘子自然覆冰程度[J]. 郝艳捧,蒋晓蓝,阳林,李昊,李锐海.  高电压技术. 2017(01)
[5]用于三维点云表示的扩展点特征直方图算法[J]. 庄祉昀,张军,孙广富.  国防科技大学学报. 2016(06)
[6]基于2维照片构建建筑物三维模型的研究[J]. 王保云,周文,潘良波,刘焕焕.  电子技术与软件工程. 2016(24)
[7]基于深度学习的工业分拣机器人快速视觉识别与定位算法[J]. 伍锡如,黄国明,孙立宁.  机器人. 2016(06)
[8]结合近邻传播聚类的自适应图像分割[J]. 戴珊,李广军.  计算机科学. 2016(S1)
[9]基于Hessian矩阵和区域生长的脉络膜血管自动检测[J]. 邢琳,张旭,叶雨静,秦磊,沙雨纯,朱伟芳,石霏.  软件导刊. 2016(06)
[10]一种基于2D和3D SIFT特征级融合的一般物体识别算法[J]. 李新德,刘苗苗,徐叶帆,雒超民.  电子学报. 2015(11)

博士论文
[1]基于RGB-D相机的运动平台实时导航定位模型与方法研究[D]. 赵强.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]田间叶片图像分割与单幅三维重建的机器视觉算法研究[D]. 王建仑.中国农业大学 2013

硕士论文
[1]融合深度学习的图像分类算法研究[D]. 张婉.南京邮电大学 2018
[2]基于卷积神经网络的目标检测算法研究[D]. 高钰.北京交通大学 2018
[3]电机换向器外观质量在线视觉检测系统[D]. 罗立浩.广东工业大学 2016
[4]视频运动对象提取与行为识别算法研究[D]. 张燕芬.湖南大学 2015
[5]基于视网膜图像中微小动脉瘤的检测算法的研究[D]. 刘海瑞.东北大学 2013
[6]基于机器视觉的指针式仪表自动读数系统研究[D]. 范鹏发.燕山大学 2013
[7]基于点群特征和线点不变量的目标识别算法研究[D]. 王刚.广西师范大学 2013
[8]刀口仪数字化技术的研究[D]. 杨斌.南京理工大学 2011
[9]农业信息终端设计及作物叶片参数测量技术的研究与实现[D]. 任天江.南京理工大学 2011
[10]面向某半导体企业的芯片引脚检测系统的设计与实现[D]. 汤晓燕.苏州大学 2010



本文编号：3019646