近幾年來,在機(jī)器人技術(shù)中融入機(jī)器視覺,并將其在生產(chǎn)中應(yīng)用,已經(jīng)變成一種趨勢。目前,該項(xiàng)技術(shù)已經(jīng)在工件的裝配、分揀、包裝以及缺陷檢測中有著廣泛的應(yīng)用。然而,在這些領(lǐng)域中,工件是整齊擺放在固定平面上的,當(dāng)工件堆放在一起時(shí),傳統(tǒng)辦法是使用震動(dòng)篩選機(jī)構(gòu)以及擒縱機(jī)構(gòu)把工件按順序依次排列,再通過機(jī)器視覺技術(shù)指引機(jī)器人完成作業(yè)。但是,該方法會(huì)損壞工件外表,且所采用的機(jī)械機(jī)構(gòu)成本較高,不可以實(shí)時(shí)達(dá)到生產(chǎn)的節(jié)拍需求,很難實(shí)現(xiàn)柔性化生產(chǎn)。為了解決堆疊工件的抓取這一難題,本文研究了一種基于雙目立體視覺的工件識別與抓取技術(shù)。首先,使用MATLAB工具箱完成攝像機(jī)標(biāo)定,得出相機(jī)的內(nèi)外參數(shù)矩陣。針對本文的抓取目標(biāo),本文采用幾何特征的方式對工件進(jìn)行識別。先用Gamma變換與雙邊濾波的方式對圖像進(jìn)行預(yù)處理,接著采用Canny算子結(jié)合邊緣連接的方式作為邊緣提取算法,能夠提取到圖像的完整邊緣,最后采用改進(jìn)后的基于弦中點(diǎn)的橢圓特征擬合方式檢測工件。然后,使用支持向量機(jī)對檢測出的工件進(jìn)行分類,提出了將LBP特征與HOG特征相融合訓(xùn)練出來的權(quán)值可變的分類器,該分類器對工件識別的準(zhǔn)確率更高,采用一種改進(jìn)的手眼標(biāo)定方法進(jìn)行手眼標(biāo)定... 

【文章來源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

堆疊工件圖

2工件邊緣檢測與擬合算法19高斯濾波器的卷積模板大小和它的平滑程度取決于σ，σ值越大，圖像就越平滑，同時(shí)損失的細(xì)節(jié)也越多。雙邊濾波也屬于非線性濾波，它將周圍領(lǐng)域內(nèi)的像素的加權(quán)計(jì)算與領(lǐng)域內(nèi)像素點(diǎn)的灰度值差異計(jì)算結(jié)合起來。它的核函數(shù)包括灰度濾波和空間域?yàn)V波，領(lǐng)域內(nèi)的灰度加權(quán)作為像素值，而兩個(gè)核函數(shù)因子的乘積為加權(quán)系數(shù)。點(diǎn)(i,j)處的像素值為()()()()()()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——基于高斯函數(shù)的距離標(biāo)準(zhǔn)差；σr——基于高斯函數(shù)的灰度距離差。本文將上面所述的幾種濾波器用于圖像去噪，并對其去噪結(jié)果進(jìn)行對比，待處理圖像如圖2.6所示，去噪后的結(jié)果如圖2.7所示。圖3.5待處理圖像Fig.3.5imagetobeprocessed

2工件邊緣檢測與擬合算法21c)均值濾波d)雙邊濾波器圖2.7不同濾波器的濾波效果Fig.2.7filteringeffectofdifferentfilters本文采用三維灰度圖像顯示目標(biāo)圖像處理結(jié)果。如圖2.7所示，從處理結(jié)果可以看出，經(jīng)過雙邊濾波器處理之后，原始圖像的噪聲都得到了很好的抑制。雙邊濾波將位置信息和灰度信息的影響均考慮在內(nèi)，這樣就不會(huì)過渡平滑圖像的邊緣灰度突變處，而其它算法只考慮了單方面的信息，經(jīng)其濾波去噪以后圖像會(huì)缺失某些

【參考文獻(xiàn)】：
期刊論文
[1]基于雙目視覺的三維重建[J]. 曹淞翔.  通訊世界. 2018(12)
[2]基于Hough變換的橢圓檢測算法對比分析[J]. 成浩,崔文超.  軟件導(dǎo)刊. 2018(09)
[3]基于顏色和LBP多特征的mean shift的跟蹤算法[J]. 李菊,余燁,戴歡,李克清,蘇勇剛,曹明偉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(05)
[4]基于二維MB-LBP特征的人臉識別[J]. 王紅,武繼剛,張錚.  計(jì)算機(jī)工程與應(yīng)用. 2015(10)
[5]基于機(jī)器視覺的動(dòng)力電池分揀機(jī)器人定位系統(tǒng)[J]. 張小清,周廣兵.  物流工程與管理. 2012(01)
[6]基于GPRS的農(nóng)電臺區(qū)變壓器智能監(jiān)控系統(tǒng)的通訊與管理[J]. 王健,羅隆福,董書大,張曉虎,陳娟,楊英.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2012(01)
[7]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[8]SVM分類核函數(shù)及參數(shù)選擇比較[J]. 奉國和.  計(jì)算機(jī)工程與應(yīng)用. 2011(03)
[9]Matlab在圖像邊緣提取中的應(yīng)用[J]. 柏春嵐.  科技信息. 2009(14)
[10]艦船紅外圖像邊緣檢測方法對比研究[J]. 何友金,李楠.  計(jì)算機(jī)仿真. 2006(04)

碩士論文
[1]基于雙目立體視覺的工件識別與定位關(guān)鍵技術(shù)研究[D]. 韓博.哈爾濱工業(yè)大學(xué) 2018
[2]基于雙目視覺的三維輪廓測量技術(shù)研究[D]. 單思宇.中國科學(xué)技術(shù)大學(xué) 2018
[3]雙目視覺系統(tǒng)在盤類零件上料機(jī)器人中的應(yīng)用研究[D]. 苗猛.重慶大學(xué) 2018
[4]機(jī)器視覺在工業(yè)機(jī)器人分揀系統(tǒng)中的應(yīng)用[D]. 宋玉雪.湖南大學(xué) 2018
[5]基于機(jī)器人視覺的多類型工件識別與定位問題研究[D]. 馬庭田.南京航空航天大學(xué) 2018
[6]基于機(jī)器視覺的物料分揀工業(yè)機(jī)器人關(guān)鍵技術(shù)研究[D]. 陳懇.深圳大學(xué) 2017
[7]巡邏機(jī)器人中的行人檢測技術(shù)研究[D]. 侯杰.重慶郵電大學(xué) 2017
[8]基于數(shù)字全息成像的淡水藻類檢測與分類技術(shù)研究[D]. 高尚.南昌航空大學(xué) 2017
[9]視覺系統(tǒng)在異型煙碼垛機(jī)器人系統(tǒng)中的應(yīng)用研究[D]. 胡敏.重慶大學(xué) 2017
[10]結(jié)構(gòu)光雙目視覺三維測量系統(tǒng)研究[D]. 魏川.華中科技大學(xué) 2017



本文編號：3303633