面向工业装配演示编程的零件识别与位姿估计

发布时间：2017-09-09 05:20

  本文关键词：面向工业装配演示编程的零件识别与位姿估计

  更多相关文章： 演示编程 识别 位姿估计 SVM 随机森林

【摘要】：目前工业机器人以其巨大的优势得到了广泛应用,但随着现代制造业的发展,对机器人的智能性和灵活性提出了更高需求。演示编程技术可以让机器人通过“观察”人的演示而完成相应的装配任务,从而大大简化工业机器人的开发过程,因此工业机器人的演示编程逐渐成为研究的热点。本文针对工业机器人演示编程过程中的零件识别和位姿估计问题展开研究。工业装配中由于零件之间具有严格的装配关系约束,对零件位姿估计提出了较高的精度要求。此外由于工业零件表面纹理不丰富,为零件的识别带来了挑战。本文的研究成果如下。1.针对不同颜色和纹理的零件,本文在利用BP神经网络完成零件的颜色判别后,提出了融合灰度共生矩阵和Tamura粗糙度描述的纹理特征,然后采用非线性SVM实现了不同放置状态(正放、反放、侧放)的零件识别。在纹理特征提取前,本文对每个零件的姿态做了归一化,因此本文的基于纹理特征的识别结果不受零件旋转的影响。实验结果表明本文的颜色判别与纹理识别算法取得了较高的识别正确率。2.针对多类物体识别,本文提出了一种基于组合特征和随机森林(Random Forest)的多类物体识别算法。该组合特征包括颜色直方图、旋转不变LBP、圆形率和长宽比、归一化的Zernike矩描述,并且该组合特征具有旋转和平移不变性。然后训练随机森林作为分类器模型。在20种物体上的实验结果表明本文的识别正确率达99.33%。通过与其它组合特征和分类算法的对比,证明了本文算法的优势和有效性。3.针对不同的装配任务,本文设计了两种不同的位姿估计算法：一是结合物体识别的先验信息,利用单目视觉和最小面积矩形(MAR)算法完成了零件的位姿估计。二是针对复杂装配情形,采用了双目立体视觉和概率霍夫变换算法完成了零件的位姿估计。本文的零件位姿估计算法实现在线估计的同时,保证了装配中精度的要求。
【关键词】：演示编程 识别 位姿估计 SVM 随机森林
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP242
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-11
• 第一章 绪论11-19
• 1.1 研究背景及意义11
• 1.2 研究发展综述11-17
• 1.2.1 物体识别算法国内外研究现状11-15
• 1.2.2 物体位姿估计国内外研究现状15-17
• 1.3 本文研究内容17-18
• 1.4 本文结构18-19
• 第二章 融合颜色和纹理信息的积木识别19-39
• 2.1 背景与概述19-20
• 2.2 结合颜色描述和神经网络的积木颜色分类20-23
• 2.2.1 颜色空间选择20-21
• 2.2.2 BP神经网络学习算法与改进21-23
• 2.3 积木纹理特征提取与姿态归一化23-27
• 2.3.1 基于灰度共生矩阵的纹理描述24-25
• 2.3.2 融入Tamura粗糙度的纹理描述与姿态归一化25-27
• 2.4 基于非线性SVM的积木放置状态识别27-30
• 2.4.1 非线性SVM与软间隔最大化27-30
• 2.5 实验结果与分析30-37
• 2.6 本章小结37-39
• 第三章 基于组合特征和随机森林(Random Forest)的多类零件识别39-65
• 3.1 背景与概述39-40
• 3.2 算法框架40-41
• 3.3 图像分割41-42
• 3.4 组合特征表示42-50
• 3.4.1 归一化颜色直方图定义43
• 3.4.2 旋转不变局部二值模式43-45
• 3.4.3 圆形率与长宽比定义45-47
• 3.4.4 归一化Zernike矩计算47-50
• 3.5 核主成分分析(Kernel PCA)50-53
• 3.6 Random Forest算法53-57
• 3.6.1 决策树原理53-55
• 3.6.2 Random Forest分类过程55-56
• 3.6.3 利用袋外数据(Out-of-Bag)估计特征重要性56-57
• 3.7 实验结果与分析57-64
• 3.8 本章小结64-65
• 第四章 零件位姿估计65-91
• 4.1 背景与概述65-67
• 4.2 基于单目视觉的零件位姿估计67-72
• 4.2.1 相机成像模型67-69
• 4.2.2 相机畸变模型69-70
• 4.2.3 基于相机非线性成像模型的零件定位70-72
• 4.3 基于最小面积矩形(MAR)的零件位姿估计72-75
• 4.3.1 Grapham扫描法计算凸包72-74
• 4.3.2 MAR算法估计零件位姿74-75
• 4.4 基于双目立体视觉的零件位姿估计75-82
• 4.4.1 双目立体视觉原理76-78
• 4.4.2 体匹配与零件定位78-81
• 4.4.3 基于概率Hough变换的零件位姿估计81-82
• 4.5 实验结果与分析82-89
• 4.6 本章小结89-91
• 第五章 总结与展望91-95
• 5.1 总结91-92
• 5.2 展望92-95
• 参考文献95-103
• 作者简历103-105
• 攻读学位期间取得的研究成果105

【参考文献】

中国期刊全文数据库 前3条

1 余翔宇,孙洪,余志雄;改进的二维点集凸包快速求取方法[J];武汉理工大学学报;2005年10期

2 黄桂平,李广云,王保丰,叶声华;单目视觉测量技术研究[J];计量学报;2004年04期

3 王杰臣;2维空间数据最小凸包生成算法优化[J];测绘学报;2002年01期

，

本文编号：818522