基于几何特征拟合与决策融合的多工件识别与抓取研究

发布时间：2021-07-26 13:14

　　近几年来,在机器人技术中融入机器视觉,并将其在生产中应用,已经变成一种趋势。目前,该项技术已经在工件的装配、分拣、包装以及缺陷检测中有着广泛的应用。然而,在这些领域中,工件是整齐摆放在固定平面上的,当工件堆放在一起时,传统办法是使用震动筛选机构以及擒纵机构把工件按顺序依次排列,再通过机器视觉技术指引机器人完成作业。但是,该方法会损坏工件外表,且所采用的机械机构成本较高,不可以实时达到生产的节拍需求,很难实现柔性化生产。为了解决堆叠工件的抓取这一难题,本文研究了一种基于双目立体视觉的工件识别与抓取技术。首先,使用MATLAB工具箱完成摄像机标定,得出相机的内外参数矩阵。针对本文的抓取目标,本文采用几何特征的方式对工件进行识别。先用Gamma变换与双边滤波的方式对图像进行预处理,接着采用Canny算子结合边缘连接的方式作为边缘提取算法,能够提取到图像的完整边缘,最后采用改进后的基于弦中点的椭圆特征拟合方式检测工件。然后,使用支持向量机对检测出的工件进行分类,提出了将LBP特征与HOG特征相融合训练出来的权值可变的分类器,该分类器对工件识别的准确率更高,采用一种改进的手眼标定方法进行手眼标定... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

堆叠工件图

2工件边缘检测与拟合算法19高斯滤波器的卷积模板大小和它的平滑程度取决于σ，σ值越大，图像就越平滑，同时损失的细节也越多。双边滤波也属于非线性滤波，它将周围领域内的像素的加权计算与领域内像素点的灰度值差异计算结合起来。它的核函数包括灰度滤波和空间域滤波，领域内的灰度加权作为像素值，而两个核函数因子的乘积为加权系数。点(i,j)处的像素值为()()()()()()p,qp,qxxrri,jp,qxxrrIFσ;p,qFσ;p,qI=Fσ;p,qFσ;p,q（2.19）()()()222xi-p+j-q-2σxxFσ;p,q=e（2.20）()()()()2i,jp,q2rI-I-2σrrFσ;p,q=e（2.21）式中，σx——基于高斯函数的距离标准差；σr——基于高斯函数的灰度距离差。本文将上面所述的几种滤波器用于图像去噪，并对其去噪结果进行对比，待处理图像如图2.6所示，去噪后的结果如图2.7所示。图3.5待处理图像Fig.3.5imagetobeprocessed

2工件边缘检测与拟合算法21c)均值滤波d)双边滤波器图2.7不同滤波器的滤波效果Fig.2.7filteringeffectofdifferentfilters本文采用三维灰度图像显示目标图像处理结果。如图2.7所示，从处理结果可以看出，经过双边滤波器处理之后，原始图像的噪声都得到了很好的抑制。双边滤波将位置信息和灰度信息的影响均考虑在内，这样就不会过渡平滑图像的边缘灰度突变处，而其它算法只考虑了单方面的信息，经其滤波去噪以后图像会缺失某些

【参考文献】：
期刊论文
[1]基于双目视觉的三维重建[J]. 曹淞翔.  通讯世界. 2018(12)
[2]基于Hough变换的椭圆检测算法对比分析[J]. 成浩,崔文超.  软件导刊. 2018(09)
[3]基于颜色和LBP多特征的mean shift的跟踪算法[J]. 李菊,余烨,戴欢,李克清,苏勇刚,曹明伟.  合肥工业大学学报(自然科学版). 2014(05)
[4]基于二维MB-LBP特征的人脸识别[J]. 王红,武继刚,张铮.  计算机工程与应用. 2015(10)
[5]基于机器视觉的动力电池分拣机器人定位系统[J]. 张小清,周广兵.  物流工程与管理. 2012(01)
[6]基于GPRS的农电台区变压器智能监控系统的通讯与管理[J]. 王健,罗隆福,董书大,张晓虎,陈娟,杨英.  计算机系统应用. 2012(01)
[7]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)
[8]SVM分类核函数及参数选择比较[J]. 奉国和.  计算机工程与应用. 2011(03)
[9]Matlab在图像边缘提取中的应用[J]. 柏春岚.  科技信息. 2009(14)
[10]舰船红外图像边缘检测方法对比研究[J]. 何友金,李楠.  计算机仿真. 2006(04)

硕士论文
[1]基于双目立体视觉的工件识别与定位关键技术研究[D]. 韩博.哈尔滨工业大学 2018
[2]基于双目视觉的三维轮廓测量技术研究[D]. 单思宇.中国科学技术大学 2018
[3]双目视觉系统在盘类零件上料机器人中的应用研究[D]. 苗猛.重庆大学 2018
[4]机器视觉在工业机器人分拣系统中的应用[D]. 宋玉雪.湖南大学 2018
[5]基于机器人视觉的多类型工件识别与定位问题研究[D]. 马庭田.南京航空航天大学 2018
[6]基于机器视觉的物料分拣工业机器人关键技术研究[D]. 陈恳.深圳大学 2017
[7]巡逻机器人中的行人检测技术研究[D]. 侯杰.重庆邮电大学 2017
[8]基于数字全息成像的淡水藻类检测与分类技术研究[D]. 高尚.南昌航空大学 2017
[9]视觉系统在异型烟码垛机器人系统中的应用研究[D]. 胡敏.重庆大学 2017
[10]结构光双目视觉三维测量系统研究[D]. 魏川.华中科技大学 2017



本文编号：3303633