隨著計算機、圖像處理、圖形識別技術(shù)的迅速發(fā)展,機器視覺越來越普遍。機器視覺是工業(yè)機器人獲得環(huán)境信息的主要手段之一,提高機器人的自主性和靈活性。它被廣泛用于制造業(yè)和其他行業(yè),以確保產(chǎn)品質(zhì)量,控制生產(chǎn)過程并感知環(huán)境。工業(yè)4.0與智能制造密不可分,而智能制造與機器視覺密不可分。工業(yè)機器人通過視覺獲取的視覺圖像信息提取工件功能參數(shù)、位置信息,識別工件的種類,確定工件的位置。機器視覺是適用于產(chǎn)業(yè)領(lǐng)域的主要技術(shù)。因此,以hsr-612工業(yè)機器人為例,研究了機器視覺目標識別和位置算法。詳細研究了裝配工件的實時匹配識別技術(shù)和空間定位技術(shù)。主要工作如下:（1）為了提高從CCD攝像機獲取的裝配好的工件圖像的質(zhì)量,首先對捕獲的圖像進行主要包括直方圖均衡和中值濾波的預處理。其次,提取樣品的邊緣特征,通過對各種經(jīng)典邊緣檢測運算符的分析和比較,得出canny運算符的準確定位,其具有單一響應,能夠獲得良好的邊緣檢測效果的結(jié)論。（2）基于現(xiàn)有的圖像匹配算法,提出了基于Hausdorff距離的工件識別算法和改良遺傳算法。該算法使用工件的邊緣特征作為對象物體的輪廓類似度的尺度,并改進了匹配特征和修正hausdorff距離... 

【文章來源】：內(nèi)蒙古大學內(nèi)蒙古自治區(qū) 211工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

工件的原圖

經(jīng)過灰度化的工件圖像

直方圖均衡化前的原始圖像

【參考文獻】：
期刊論文
[1]基于互信息的生物神經(jīng)網(wǎng)絡功能性連接辨識[J]. 劉劍釗,董朝軼,馮麗斐.  傳感器與微系統(tǒng). 2016(06)
[2]基于信息熵的混合引力搜索算法[J]. 郭潔皓,高興寶.  計算機應用研究. 2016(05)
[3]基于信息熵的屬性約簡算法及應用[J]. 陳媛,楊棟.  重慶理工大學學報(自然科學). 2013(01)
[4]基于信息熵與主成分分析的火電機組綜合評價方法[J]. 齊敏芳,付忠廣,景源,馬亞.  中國電機工程學報. 2013(02)
[5]基于覆蓋算法的條件信息熵表示及屬性約簡[J]. 單雪紅,吳濤,李國成.  計算機工程與應用. 2009(31)
[6]多電極陣列上長時間培養(yǎng)神經(jīng)元網(wǎng)絡的發(fā)育變化[J]. 李向?qū)?周煒,劉曼,曾紹群,駱清銘.  自然科學進展. 2006(08)
[7]系統(tǒng)生物學與生物網(wǎng)絡研究[J]. 譚璐,姜璐.  復雜系統(tǒng)與復雜性科學. 2005(04)
[8]基于信息論的Bayesian網(wǎng)絡結(jié)構(gòu)學習算法研究[J]. 聶文廣,劉惟一,楊運濤,楊明.  計算機應用. 2005(01)
[9]系統(tǒng)生物學——生命科學的新領(lǐng)域[J]. 蔣太交,薛艷紅,徐濤.  生物化學與生物物理進展. 2004(11)
[10]基于遺傳算法的動態(tài)Bayesian網(wǎng)結(jié)構(gòu)學習的研究[J]. 王飛,劉大有,盧奕南,虞強源.  電子學報. 2003(05)

博士論文
[1]基于互信息的基因調(diào)控網(wǎng)絡構(gòu)建方法研究[D]. 張秀軍.上海大學 2013
[2]基于辨識與控制的神經(jīng)元網(wǎng)絡模型特性研究[D]. 賈晨輝.天津大學 2012
[3]基因芯片數(shù)據(jù)的系統(tǒng)生物學分析方法研究[D]. 顧祖光.南京大學 2012
[4]大規(guī)模脈沖神經(jīng)網(wǎng)絡的模擬與進化研究[D]. 藺想紅.哈爾濱工業(yè)大學 2009
[5]培養(yǎng)神經(jīng)元網(wǎng)絡的學習模型構(gòu)建及機理研究[D]. 李艷玲.華中科技大學 2007

碩士論文
[1]基于視覺伺服的機械臂系統(tǒng)及控制方法研究[D]. 馬璧.中國礦業(yè)大學 2017
[2]Spiking神經(jīng)網(wǎng)絡及其在圖像處理技術(shù)上的應用研究[D]. 潘婷.電子科技大學 2015
[3]生物神經(jīng)網(wǎng)絡系統(tǒng)中的辨識問題研究[D]. 王立禾.上海交通大學 2012
[4]基于貝葉斯網(wǎng)絡技術(shù)的基因調(diào)控網(wǎng)絡構(gòu)建方法研究[D]. 何海燕.合肥工業(yè)大學 2009
[5]基于Izhikevich神經(jīng)元模型的神經(jīng)網(wǎng)絡建模仿真[D]. 張偉.天津醫(yī)科大學 2008
[6]復雜生物神經(jīng)網(wǎng)絡的建模及其動力學特性研究[D]. 鄭鴻宇.廣西師范大學 2008
[7]基于貝葉斯網(wǎng)絡的數(shù)據(jù)挖掘應用研究[D]. 李艷美.西安電子科技大學 2008
[8]基于進化算法的Bayesian網(wǎng)結(jié)構(gòu)學習研究[D]. 朱允剛.吉林大學 2007
[9]Spiking神經(jīng)網(wǎng)絡及其應用研究[D]. 沈虹.南京工業(yè)大學 2006



本文編號：3113159