發(fā)布時間：2017-06-03 19:06

  本文關(guān)鍵詞：基于雙目視覺的并聯(lián)機構(gòu)末端位姿檢測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：并聯(lián)機構(gòu)及其并聯(lián)機器人具有剛性大、承載能力強、結(jié)構(gòu)穩(wěn)定、精度高、運動慣量小等優(yōu)點,被學(xué)術(shù)界廣泛關(guān)注。以3自由度為代表的少自由度并聯(lián)機構(gòu)具有結(jié)構(gòu)簡單、靈巧度好、工作空間大、容易控制、造價低等優(yōu)點成為機器人研究的新熱點。在并聯(lián)機構(gòu)控制中,末端位姿是反映機構(gòu)運動狀態(tài)的重要參數(shù),精確測得機構(gòu)的末端位姿可有效避免通過運動學(xué)模型解算所帶來的誤差,這將利于實現(xiàn)并聯(lián)機構(gòu)的高性能控制。在并聯(lián)機構(gòu)末端位姿檢測的研究中,由于檢測設(shè)備昂貴、檢測方法復(fù)雜以及檢測范圍有限等原因,末端位姿檢測仍是難點。相對于其它檢測手段,機器視覺具有非接觸、適用性強、高性價比等優(yōu)點,尤其適用于具有運動多自由度、運動軌跡復(fù)雜、難以直接檢測的并聯(lián)機構(gòu)末端位姿檢測。對于并聯(lián)機構(gòu)的末端位姿檢測問題,采用基于機器視覺檢測方法的難點在于如何將視覺系統(tǒng)采集到的并聯(lián)機構(gòu)圖像經(jīng)過圖像處理后快速而精確地獲取該機構(gòu)的末端位姿信息。由于機器視覺算法復(fù)雜,光照變化、背景反光、噪聲干擾等外界因素會引起視覺系統(tǒng)的圖像匹配難以精確實現(xiàn),導(dǎo)致視覺檢測系統(tǒng)的速度和精度受到影響。本文針對基于機器視覺的并聯(lián)機構(gòu)末端位姿檢測問題,以一種新型3-DOF并聯(lián)機構(gòu)為研究對象,采用雙目視覺對該機構(gòu)末端位姿進行檢測研究,并著重研究雙目檢測的立體匹配問題,研究通過改進和優(yōu)化雙目視覺立體匹配算法,在提高匹配算法實時性的同時,提高匹配的正確率,進而使得位姿檢測的實時性和精度都得以提高。本文主要研究內(nèi)容如下:(1)在如何保證新型3-DOF并聯(lián)機構(gòu)位姿檢測匹配算法實時性方面展開研究。解決匹配過程實時性差的問題,關(guān)鍵在于降低匹配算法的復(fù)雜度。作為匹配算法的代表,SIFT算法不僅可以處理圖像之間發(fā)生平移、旋轉(zhuǎn)、尺度變換、光照變換下的匹配問題,而且能在一定程度上對視角變化、仿射變化保持較為穩(wěn)定的特征匹配能力。然而傳統(tǒng)SIFT算法復(fù)雜度高,匹配過程耗時過長。針對這一問題,考慮新型3-DOF并聯(lián)機構(gòu)圖像是剛性圖像且存在多個角點,本文采用Harris-SIFT算法實現(xiàn)立體匹配,通過算法簡單的Harris算子提取圖像特征點,再利用SIFT特征描述子對圖像進行匹配,使得匹配結(jié)果兼具實時性和穩(wěn)定性;(2)在如何提高新型3-DOF并聯(lián)機構(gòu)位姿檢測匹配算法精度方面展開研究。在立體匹配過程中,由于錯誤測量、錯誤計算或錯誤假設(shè)等原因,會導(dǎo)致匹配結(jié)果出現(xiàn)錯誤匹配和誤差匹配的問題。針對這一問題,本文通過分格取點和提前取點驗算臨時模型的方法提出一種改進的RANSAC算法,以剔除Harris-SIFT算法存在的誤匹配點,在保證匹配算法實時性的同時,提高匹配的正確率,從而提高機構(gòu)末端三維位姿檢測的精度。(3)在新型3-DOF并聯(lián)機構(gòu)末端位姿求解方法上展開研究。首先,采用線性針孔模型作為本課題的視覺模型,并根據(jù)zhang平面標(biāo)定法實現(xiàn)針孔模型的標(biāo)定,完成視覺模型攝像機參數(shù)的求解;然后,將采集到的并聯(lián)機構(gòu)圖像進行去噪、特征點提取、基于Harris-SIFT算法的立體匹配,以及匹配提純等圖像處理;最后,根據(jù)新型3-DOF并聯(lián)機構(gòu)運動特點,建立機構(gòu)平臺的定坐標(biāo)系與動坐標(biāo)系,并設(shè)定機構(gòu)標(biāo)志點,將前期圖像處理得到的末端匹配點對帶入視覺模型,最終實現(xiàn)并聯(lián)機構(gòu)末端位姿的求解。(4)構(gòu)建基于雙目視覺的新型3-DOF并聯(lián)機構(gòu)末端位姿檢測實驗硬件平臺,并結(jié)合Visual Studio集成開發(fā)工具和OpenCV視覺庫,完成新型3-DOF并聯(lián)機構(gòu)雙目檢測系統(tǒng)軟件開發(fā)。在此基礎(chǔ)上,完成了基于雙目視覺的新型3-DOF并聯(lián)機構(gòu)末端位姿檢測實驗。通過對比本文所提出方法與常規(guī)方法的實驗結(jié)果,驗證了本文所提出檢測方法的合理性和有效性。
【關(guān)鍵詞】：并聯(lián)機構(gòu) 雙目視覺 圖像匹配 RANSAC 位姿檢測
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-23
• 1.1 研究背景及意義11-17
• 1.1.1 并聯(lián)機構(gòu)概述11-13
• 1.1.2 并聯(lián)機構(gòu)位姿檢測13-14
• 1.1.3 基于機器視覺的并聯(lián)機構(gòu)位姿檢測14-17
• 1.2 基于機器視覺的并聯(lián)機構(gòu)位姿檢測研究現(xiàn)狀17-20
• 1.3 機器視覺立體匹配研究現(xiàn)狀20-21
• 1.4 本文的主要研究內(nèi)容和章節(jié)安排21-23
• 1.4.1 本文的主要研究內(nèi)容21-22
• 1.4.2 章節(jié)安排22-23
• 第二章 雙目立體視覺測量原理23-31
• 2.1 引言23
• 2.2 坐標(biāo)系定義23-25
• 2.3 攝像機成像模型25-28
• 2.3.1 線性模型25-27
• 2.3.2 非線性模型27-28
• 2.4 雙目視覺系統(tǒng)28-30
• 2.4.1 雙目視覺基本原理28-29
• 2.4.2 雙目視覺一般模型29-30
• 2.4.3 雙目視覺極線幾何關(guān)系30
• 2.5 本章小結(jié)30-31
• 第三章 新型 3-DOF并聯(lián)機構(gòu)圖像預(yù)處理及特征點提取31-41
• 3.1 引言31
• 3.2 新型 3-DOF并聯(lián)機構(gòu)介紹31-32
• 3.3 圖像采集32-33
• 3.4 圖像預(yù)處理33-34
• 3.4.1 基于離散余弦的圖像去噪33-34
• 3.4.2 基于小波變換的圖像去噪34
• 3.5 特征點提取34-39
• 3.5.1 SUSAN特征點提取35-37
• 3.5.2 Moravec特征點提取37-38
• 3.5.3 Harris特征點提取38-39
• 3.6 本章小結(jié)39-41
• 第四章 新型 3-DOF并聯(lián)機構(gòu)圖像立體匹配及提純41-48
• 4.1 引言41
• 4.2 基于SIFT算法的立體匹配41-43
• 4.3 基于Harris-SIFT算法的立體匹配43-44
• 4.4 RANSAC算法及改進44-46
• 4.4.1 RANSAC算法基本思想44-45
• 4.4.2 RANSAC算法的改進45-46
• 4.5 基于改進RANSAC算法的匹配結(jié)果提純46
• 4.6 本章小結(jié)46-48
• 第五章 新型 3-DOF并聯(lián)機構(gòu)末端位姿參數(shù)求解48-52
• 5.1 引言48
• 5.2 新型 3-DOF并聯(lián)機構(gòu)坐標(biāo)系定義48-49
• 5.3 位姿參數(shù)求解49-50
• 5.3.1 位置參數(shù)計算49
• 5.3.2 姿態(tài)參數(shù)計算49-50
• 5.4 本章小結(jié)50-52
• 第六章 新型 3-DOF并聯(lián)機構(gòu)雙目視覺末端位姿檢測實驗研究52-64
• 6.1 引言52
• 6.2 新型 3-DOF并聯(lián)機構(gòu)雙目視覺末端位姿檢測系統(tǒng)組成52-53
• 6.3 硬件平臺設(shè)計53-55
• 6.4 軟件設(shè)計與開發(fā)55-59
• 6.5 實驗方法59
• 6.6 結(jié)果分析59-63
• 6.7 本章小結(jié)63-64
• 第七章 全文總結(jié)64-66
• 參考文獻66-70
• 致謝70-71
• 攻讀碩士學(xué)位期間發(fā)表論文與成果71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李海軍;;基于雙目視覺的自動跟蹤系統(tǒng)應(yīng)用[J];火力與指揮控制;2010年01期

2 胡天翔;鄭加強;周宏平;;基于雙目視覺的樹木圖像測距方法[J];農(nóng)業(yè)機械學(xué)報;2010年11期

3 李夢和;林川;潘盛輝;;基于雙目視覺的礦井機車定位方法[J];煤礦機械;2012年04期

4 祝世平,強錫富;基于坐標(biāo)測量機的雙目視覺測距誤差分析[J];電子測量與儀器學(xué)報;2000年02期

5 汪倩倩;申忠宇;張亮;;基于雙目視覺模型的彩色目標(biāo)實時檢測與定位[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2008年01期

6 潘浩;趙宇明;;基于雙目視覺的客流監(jiān)測系統(tǒng)[J];微計算機信息;2009年33期

7 單寶華;申宇;;基于雙目視覺的拉索模型自由振動監(jiān)測試驗[J];土木工程學(xué)報;2012年11期

8 紀(jì)超;王慶;;基于雙目視覺的自主空中加油算法研究與仿真[J];系統(tǒng)仿真學(xué)報;2013年06期

9 岳亮;;一種基于雙目視覺的安全車距測量方法[J];電視技術(shù);2013年15期

10 許明杰,王洪榮;雙目視覺中恢復(fù)模型點的方法──公垂線法[J];指揮技術(shù)學(xué)院學(xué)報;1997年02期

中國重要會議論文全文數(shù)據(jù)庫 前7條

1 孟環(huán)標(biāo);楊興強;李雪梅;;基于雙目視覺的測量系統(tǒng)誤差分析[A];第五屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2011年

2 朱宗磊;殷福亮;;基于雙目視覺的目標(biāo)檢測與跟蹤系統(tǒng)[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

3 王榮本;張明恒;毛曉燕;;雙目視覺技術(shù)在環(huán)境探測中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第二屆學(xué)術(shù)會議論文集[C];2005年

4 張靜;李琳;劉曉平;;基于雙目視覺的虛擬手的實現(xiàn)[A];計算機技術(shù)與應(yīng)用進展——全國第17屆計算機科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會議論文集（上冊）[C];2006年

5 吳濤;劉欣;;基于單雙目視覺信息融合的障礙檢測方法[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第二屆學(xué)術(shù)會議論文集[C];2005年

6 孫明;;基于雙目視覺的移動機器人避障研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

7 杜英魁;韓建達;唐延?xùn)|;;基于雙目重建不確定性的動態(tài)特征濾除[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳學(xué)惠;基于移動機器人雙目視覺的井下三維場景重建方法研究[D];中國礦業(yè)大學(xué)（北京）;2012年

2 陳希章;基于雙目視覺的弧焊機器人焊縫三維信息獲取研究[D];上海交通大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 麥樹彬;基于雙目視覺的色盲輔助技術(shù)的研究[D];華南理工大學(xué);2015年

2 徐宏;基于雙目視覺和稀疏表示的智能倒車控制研究[D];西南交通大學(xué);2015年

3 李輝;田間機器人的雙目視覺系統(tǒng)誤差分析研究[D];內(nèi)蒙古大學(xué);2015年

4 逯沛龍;基于FPGA的雙目視覺圖像預(yù)處理系統(tǒng)設(shè)計與實現(xiàn)[D];南京理工大學(xué);2015年

5 王婷婷;基于GPU的雙目視覺運動目標(biāo)檢測跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 王昌盛;基于ORB算法的雙目視覺測量研究[D];哈爾濱工業(yè)大學(xué);2015年

7 趙程;具有圓面特征的非合作目標(biāo)雙目視覺位姿測量[D];哈爾濱工業(yè)大學(xué);2015年

8 路研研;在軌航天器雙目視覺圖像采集與處理系統(tǒng)研制[D];哈爾濱工業(yè)大學(xué);2015年

9 曹之樂;基于雙目視覺的焦點定位方法研究與應(yīng)用[D];重慶理工大學(xué);2015年

10 王洪偉;基于雙目視覺的紅綠燈路口安全距離預(yù)警研究[D];安徽工程大學(xué);2015年

  本文關(guān)鍵詞：基于雙目視覺的并聯(lián)機構(gòu)末端位姿檢測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：418957