基于单目视觉的机器人目标识别定位算法研究

论文摘要

机器视觉具备信息量大、精度高、检测范围广的特点,尤其是单目视觉同时拥有成本低、标定过程简单、鲁棒性高的优势,已广泛应用于物体识别、工业检测、机器人导航等领域。因此,本文针对单目视觉工业机器人,研究了在多个目标并存的绝大多数工作环境下,机器人完成智能抓取任务的目标识别定位技术,主要针对工件的实时匹配识别技术和定位技术进行了详细的研究。主要工作如下:首先,为改善从CCD摄像头摄取的工件图像的质量,对图像进行预处理,主要包括滤波和图像分割。针对工件图像,通过实验分析比较了多种预处理方法。针对彩色图像,提出一种改进的基于网格的分水岭分割方法。实验结果表明:该方法能有效地解决过分割问题,去除孤立点。其次,针对工件识别问题,采用基于小波不变矩的工件识别算法。小波不变量融合了小波多尺度分析与不变矩的优点,不仅具有缩放、旋转、平移不变性,还提高了对图像精细结构的把握程度,降低了噪声的影响。实验结果表明:该算法易于实现,能有效地检测出具有平移、旋转和尺度变化的目标物体,识别效果要优于Hu矩,尤其是对于有噪图像。再次,针对目标定位问题,描述了基于单目视觉的目标定位原理及相关标定方法,提取目标质心为定位要素。在忽略摄像机畸变的情况下,考虑工业应用的特殊性,采用张正友平面模板两步法标定摄像机,降低了摄像机标定实验的操作难度和繁琐程度。通过实验得出目标定位的参数矩阵,验证了该方法的可行性。最后,以四自由度工业机器人GRB-400为执行机构,采用单个CCD摄像机、图像采集卡与PC机建立了机器人单目视觉系统,应用前面提出的工件识别和定位算法,完成了对工件的智能抓取实验。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究
• 1.3 研究目的和内容
• 1.3.1 研究目的
• 1.3.2 研究内容
• 第二章 工件图像获取与预处理
• 2.1 图像获取
• 2.2 消噪处理
• 2.2.1 掩模法
• 2.2.2 邻域平均法
• 2.2.3 中值滤波
• 2.3 图像分割
• 2.3.1 图像分割概述
• 2.3.2 传统图像分割方法
• 2.3.3 基于数学形态学图像分割
• 2.3.4 实验结果与分析
• 2.4 彩色图像分割
• 2.4.1 颜色模型
• 2.4.2 改进分水岭分割
• 2.4.3 实验结果
• 2.5 本章小结
• 第三章 基于图像匹配的目标识别
• 3.1 图像识别概述
• 3.2 目标识别图像匹配算法
• 3.3 基于小波不变矩的识别
• 3.3.1 矩和不变矩
• 3.3.2 矩特征的一般表达式
• 3.3.3 小波矩不变量
• 3.4 小波矩识别算法实现
• 3.4.1 归一化处理
• 3.4.2 图像极坐标化
• 3.4.3 特征提取与选择
• 3.4.4 最小距离分类器的模式匹配
• 3.5 实验及结果分析
• 3.6 本章小结
• 第四章 基于单目视觉的目标定位
• 4.1 引言
• 4.2 单目摄像机的目标定位原理
• 4.3 摄像机标定方法
• 4.3.1 传统摄像机标定方法
• 4.3.2 摄像机自标定方法
• 4.3.3 基于平面模板的摄像机两步标定法
• 4.4 目标定位方法
• 4.5 目标定位参数求解实验
• 4.6 本章小结
• 第五章 单目视觉机器人智能抓取实验研究
• 5.1 单目视觉机器人的硬件系统
• 5.1.1 工业机器人本体
• 5.1.2 单目CCD摄像机
• 5.1.3 图像采集卡
• 5.1.4 运动控制装置
• 5.2 单目视觉机器人的软件系统
• 5.3 实验及结果分析
• 5.3.1 工件识别与定位
• 5.3.2 抓取规划
• 5.4 本章小结
• 结论
• 致谢
• 参考文献
• 攻读硕士期间发表的学术论文