本文關(guān)鍵詞：單目視覺(jué)三維測(cè)量在機(jī)器人分揀系統(tǒng)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科學(xué)技術(shù)的不斷進(jìn)步,生產(chǎn)線自動(dòng)化水平的不斷提高,機(jī)器人分揀技術(shù)也得到了廣泛應(yīng)用。傳統(tǒng)的機(jī)器人分揀技術(shù)大多是通過(guò)示教的方式完成的,一旦工件位置發(fā)生改變就會(huì)導(dǎo)致機(jī)器人抓取的失敗。將工業(yè)機(jī)器人分揀技術(shù)和視覺(jué)技術(shù)結(jié)合在一起,使機(jī)器人有類(lèi)似人眼功能,不僅能夠使機(jī)器人對(duì)外部環(huán)境變化做出相應(yīng)的調(diào)整,還能提高機(jī)器人的靈活性和適應(yīng)性。本文針對(duì)工業(yè)生產(chǎn)線上雜亂工件的分揀問(wèn)題,采用了機(jī)器視覺(jué)與工業(yè)機(jī)器人相結(jié)合的分揀方式。本文首先分析了攝像機(jī)的成像模型,并采用張正友標(biāo)定方法對(duì)攝像機(jī)進(jìn)行了標(biāo)定,建立了機(jī)器人手眼關(guān)系,求解出攝像機(jī)內(nèi)、外參數(shù)及變換矩陣。然后通過(guò)工業(yè)相機(jī)采集工件圖像,對(duì)采集到的圖像進(jìn)行平滑、去噪等預(yù)處理,以消除圖像中摻雜的噪聲,再利用改進(jìn)的Canny算子提取圖像邊緣點(diǎn)。提出了一種利用圖像邊緣點(diǎn)x,y方向上的梯度值作為匹配信息的模板匹配算法,并采用梯度向量歸一化的方法作為相似度對(duì)比準(zhǔn)則來(lái)判斷模板圖像與搜索圖像間的相似程度,從而完成模板匹配,得到抓取點(diǎn)的二維坐標(biāo)。最后利用激光加視覺(jué)的方式,通過(guò)三角測(cè)量原理求得被測(cè)物體的深度信息,從而得到工件的抓取點(diǎn)三維坐標(biāo)。實(shí)驗(yàn)結(jié)果表明,本文匹配算法可成功地在雜亂工件中匹配出目標(biāo)工件,然后通過(guò)激光加視覺(jué)的方式得到匹配工件抓取點(diǎn)的三維參數(shù),并將該參數(shù)信息傳遞給機(jī)器人控制器,從而引導(dǎo)機(jī)器人進(jìn)行準(zhǔn)確抓取。
【關(guān)鍵詞】：機(jī)器視覺(jué) 工件分揀 模板匹配 深度提取
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TP242
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-18
• 1.1 課題研究的目的和意義9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-15
• 1.2.1 國(guó)外研究現(xiàn)狀10-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-15
• 1.3 目前存在的問(wèn)題15
• 1.4 論文的主要工作及組織結(jié)構(gòu)15-17
• 1.4.1 論文主要工作15-16
• 1.4.2 論文的組織結(jié)構(gòu)16-17
• 1.5 本章小結(jié)17-18
• 第2章 攝像機(jī)標(biāo)定方法及原理18-30
• 2.1 攝像機(jī)標(biāo)定過(guò)程涉及的坐標(biāo)系18-20
• 2.1.1 圖像坐標(biāo)系18-19
• 2.1.2 攝像機(jī)坐標(biāo)系19
• 2.1.3 世界坐標(biāo)系19-20
• 2.2 攝像機(jī)成像模型20-22
• 2.2.1 線性模型20-21
• 2.2.2 非線性模型21-22
• 2.3 攝像機(jī)標(biāo)定方法22-23
• 2.3.1 傳統(tǒng)攝像機(jī)標(biāo)定方法22
• 2.3.2 攝像機(jī)自標(biāo)定方法22-23
• 2.3.3 張正友標(biāo)定方法23
• 2.4 標(biāo)定原理與流程23-29
• 2.4.1 標(biāo)定原理23-26
• 2.4.2 標(biāo)定流程26-29
• 2.5 本章小結(jié)29-30
• 第3章 圖像預(yù)處理與邊緣檢測(cè)30-42
• 3.1 圖像預(yù)處理30-33
• 3.1.1 圖像平滑30-32
• 3.1.2 圖像銳化32-33
• 3.2 邊緣檢測(cè)33-41
• 3.2.1 梯度的概念33-34
• 3.2.2 Roberts邊緣檢測(cè)算法34
• 3.2.3 Sobel邊緣檢測(cè)算法34
• 3.2.4 Prewitt邊緣檢測(cè)算法34-36
• 3.2.5 Canny算子36-37
• 3.2.6 改進(jìn)的Canny算子37-41
• 3.3 本章小結(jié)41-42
• 第4章 圖像匹配方法研究42-53
• 4.1 圖像匹配簡(jiǎn)介42-43
• 4.2 圖像匹配方法43-44
• 4.2.1 基于灰度信息的匹配方法43
• 4.2.2 基于特征信息的匹配方法43-44
• 4.3 基于邊緣特征的圖像匹配44-46
• 4.3.1 基于Hausdorff距離的圖像匹配算法44-45
• 4.3.2 本文匹配算法45-46
• 4.3.3 中心坐標(biāo)計(jì)算46
• 4.4 實(shí)驗(yàn)結(jié)果及性能評(píng)估46-52
• 4.4.1 算法穩(wěn)定性47-49
• 4.4.2 算法定位精度49-51
• 4.4.3 算法時(shí)間復(fù)雜度分析51-52
• 4.5 本章小結(jié)52-53
• 第5章 深度信息提取53-61
• 5.1 激光視覺(jué)測(cè)量原理53-54
• 5.2 系統(tǒng)搭建54-56
• 5.3 激光視覺(jué)安裝參數(shù)選擇56-58
• 5.4 實(shí)驗(yàn)結(jié)果58-60
• 5.5 本章小結(jié)60-61
• 第6章 結(jié)論61-62
• 參考文獻(xiàn)62-66
• 致謝66

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 祝世平,強(qiáng)錫富;用于攝像機(jī)定位的單目視覺(jué)方法研究[J];光學(xué)學(xué)報(bào);2001年03期

2 趙玲;劉清;;基于機(jī)器人單目視覺(jué)導(dǎo)航的測(cè)距方法研究[J];自動(dòng)化博覽;2006年06期

3 沈志熙;黃席樾;;基于數(shù)據(jù)回歸建模的單目視覺(jué)測(cè)距算法[J];計(jì)算機(jī)工程與應(yīng)用;2007年24期

4 王小坤;賈慶軒;譚勝;;一種單目視覺(jué)測(cè)距方法的研究[J];科技信息(學(xué)術(shù)研究);2008年34期

5 張學(xué)習(xí);楊宜民;何啟承;夏益民;;基于前向單目視覺(jué)的機(jī)器人自定位研究[J];激光與紅外;2008年08期

6 劉昶;朱楓;夏仁波;;基于共面二點(diǎn)一線特征的單目視覺(jué)定位[J];計(jì)算機(jī)應(yīng)用研究;2012年08期

7 張純金;紀(jì)淑娟;范曉寧;;基于單目視覺(jué)的距離測(cè)量研究[J];山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

8 曹毓;馮瑩;趙立雙;雷兵;;相機(jī)姿態(tài)安裝誤差對(duì)單目視覺(jué)定位精度的影響[J];傳感器與微系統(tǒng);2012年12期

9 黃桂平,李廣云,王保豐,葉聲華;單目視覺(jué)測(cè)量技術(shù)研究[J];計(jì)量學(xué)報(bào);2004年04期

10 皮燕妮,史忠科,黃金;基于單目視覺(jué)的汽車(chē)防偏防追尾預(yù)警系統(tǒng)研究[J];計(jì)算機(jī)仿真;2005年10期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 李二濤;張峗;曾虹;;基于單目視覺(jué)的彩色目標(biāo)跟蹤[A];浙江省電子學(xué)會(huì)2008年學(xué)術(shù)年會(huì)論文集[C];2008年

2 秦麗娟;胡玉蘭;魏英姿;王紅;周越;;基于模型的單目視覺(jué)定位方法研究概述[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

3 楊唐文;韓建達(dá);王紅波;阮秋琦;;基于空間幾何約束的單目視覺(jué)物體測(cè)距[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

4 田莉雯;潘綱;;基于單目視覺(jué)的智能汽車(chē)碰撞預(yù)警系統(tǒng)[A];第八屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2012)論文集NCMT[C];2012年

5 劉磊;王永驥;;基于單目視覺(jué)的機(jī)器人動(dòng)態(tài)目標(biāo)識(shí)別與跟蹤[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

6 徐惠鋼;;浮空器姿態(tài)的單目視覺(jué)測(cè)量解析算法[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前7條

1 姚楠;基于單目視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤定位技術(shù)研究[D];上海交通大學(xué);2014年

2 馮春;基于單目視覺(jué)的目標(biāo)識(shí)別與定位研究[D];南京航空航天大學(xué);2013年

3 趙敏;單目視覺(jué)多行人目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];重慶大學(xué);2010年

4 馮國(guó)虎;單目視覺(jué)/慣性組合導(dǎo)航可觀性分析與動(dòng)態(tài)濾波算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2012年

5 冷大煒;基于單目視覺(jué)的三維剛體目標(biāo)測(cè)量技術(shù)研究[D];清華大學(xué);2011年

6 趙連軍;基于目標(biāo)特征的單目視覺(jué)位置姿態(tài)測(cè)量技術(shù)研究[D];中國(guó)科學(xué)院研究生院（光電技術(shù)研究所）;2014年

7 魯靜;基于單目激光成像的水下圓目標(biāo)狀態(tài)檢測(cè)[D];華中科技大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 楊思思;基于單目視覺(jué)的車(chē)輛盲區(qū)預(yù)警系統(tǒng)的研究及實(shí)現(xiàn)[D];浙江大學(xué);2015年

2 李忠健;禮儀機(jī)器人單目視覺(jué)系統(tǒng)的研發(fā)[D];廣東工業(yè)大學(xué);2015年

3 趙黎明;基于單目視覺(jué)的港口AGV自主導(dǎo)航關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

4 宋子超;基于單目視覺(jué)的鉛球項(xiàng)目成績(jī)測(cè)量系統(tǒng)的研究與實(shí)現(xiàn)[D];貴州師范大學(xué);2015年

5 朱亞冰;基于特征圓的單目視覺(jué)位姿測(cè)量算法的研究[D];大連理工大學(xué);2015年

6 朱敏;無(wú)人車(chē)基于單目視覺(jué)的室外環(huán)境理解[D];大連理工大學(xué);2015年

7 肖晨;融合機(jī)器學(xué)習(xí)算法的單目視覺(jué)里程計(jì)研究[D];哈爾濱工業(yè)大學(xué);2016年

8 吳冠杰;基于單目視覺(jué)的嵌入式自主避障系統(tǒng)的研究與設(shè)計(jì)[D];河北工業(yè)大學(xué);2015年

9 劉偉;單目視覺(jué)下車(chē)道偏離預(yù)警系統(tǒng)中的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2014年

10 張兆義;基于單目視覺(jué)的農(nóng)業(yè)機(jī)器人導(dǎo)航系統(tǒng)設(shè)計(jì)[D];安徽農(nóng)業(yè)大學(xué);2014年

  本文關(guān)鍵詞：單目視覺(jué)三維測(cè)量在機(jī)器人分揀系統(tǒng)中的應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：272455