發(fā)布時間：2021-12-27 18:42

　　機器視覺技術(shù)的發(fā)展推動工業(yè)機器人向自動化、智能化的方向邁進,也加快了自動駕駛、人工智能等行業(yè)的進步,同時,為各行業(yè)的發(fā)展提供了新的思路。融合視覺技術(shù)的機器人系統(tǒng)能夠感知周圍環(huán)境,在復(fù)雜環(huán)境中自主決策,完成識別特定目標(biāo)并定位其空間位置的任務(wù),這是實現(xiàn)智能抓取的關(guān)鍵步驟。本文以雙目立體視覺平臺為研究對象,重點從視覺平臺搭建、視覺系統(tǒng)標(biāo)定技術(shù)、自主識別和定位等方面展開論述,主要研究內(nèi)容如下:首先,對視覺平臺進行設(shè)計。確立總體研究思路,依據(jù)思路框圖對各模塊分別研究;對視覺系統(tǒng)主要元件進行選型,確定了平行式的相機分布方式,利用理論分辨率曲線選取合適的基線距離,并完成視覺平臺的搭建。其次,對相機標(biāo)定環(huán)節(jié)進行研究。利用濾波及圖像增強算法改善標(biāo)定板圖像質(zhì)量;研究了單、雙目相機的成像模型,并針對相機畸變建立非線性模型,重點對張氏標(biāo)定法進行研究,基于MATLAB完成標(biāo)定實驗獲得相機內(nèi)外參數(shù)。再次,重點分析了特征提取及目標(biāo)識別技術(shù)。利用靈活的Gamma變換對圖像增強;研究了基于矢量的SURF算法和基于二進制技術(shù)的ORB算法,設(shè)計了特征點提取實驗,并對兩種算法的性能評估;基于模板匹配技術(shù)實現(xiàn)目標(biāo)識別,離線建立... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

垃圾分類機器人

第1章緒論-3-實現(xiàn)對采摘機器人四個采摘臂的協(xié)調(diào)控制，但該系統(tǒng)平均采摘周期為5.5s/果，采摘效率較慢且大約25%的獼猴桃會在采摘過程中損毀，所以還不能滿足應(yīng)用需求，需要進一步改進系統(tǒng)。獼猴桃采摘機器人如圖1-4所示。圖1-3垃圾分類機器人圖1-4獼猴桃采摘機器人加州大學(xué)的研究團隊將機器視覺和強化學(xué)習(xí)技術(shù)融合到PR2機器人系統(tǒng)中，在沒有預(yù)先控制的情況下，PR2能夠自主執(zhí)行拾取物品、擰瓶蓋等動作，很好的將人工智能應(yīng)用到機器人系統(tǒng)，使其具備一定的學(xué)習(xí)能力。PR2機器人如圖1-5所示。2019年，波士頓動力公司發(fā)布了搭載雷達和立體相機的Atlas機器人視頻，視頻中Atlas可以完成一套高難度體操動作，甚至可以自主導(dǎo)航過獨木橋。波士頓動力公司旗下的多款機器人均應(yīng)用了視覺技術(shù)，如搭載3D視覺系統(tǒng)的Spot機器人、使用深度相機的HANDLE搬運機器人、具備深度學(xué)習(xí)能力的PICK機器人等，Atlas機器人如圖1-6所示。圖1-5PR2機器人圖1-6波士頓動力公司的Atlas機器人在國內(nèi)，一些高校和企業(yè)同樣對機器視覺進行深入研究并取得許多優(yōu)異的成果。2015年，吉林大學(xué)將機器視覺應(yīng)用于汽車制動系統(tǒng)的檢測[7]，如圖1-7所示，基于優(yōu)化的分割算法，對車身分割得到一些車身特征，通過追蹤車身特征檢測汽車運動軌跡及運動速度，并獲得了0.2%的跟蹤精度。

PR2機器人在國內(nèi)，一些高校和企業(yè)同樣對機器視

【參考文獻】：
期刊論文
[1]基于SIFT的圖像匹配實時性改進[J]. 董錦濤,陳水忠,徐愷,揭斐然.  電光與控制. 2020(03)
[2]基于組合激光結(jié)構(gòu)光的多功能視覺傳感器[J]. 郭吉昌,朱志明,孫博文.  焊接學(xué)報. 2019(10)
[3]融合描述子的ORB-LBP特征匹配算法[J]. 衛(wèi)文樂,譚力寧,蘆利斌,孫瑞凱.  電光與控制. 2020(06)
[4]根據(jù)遷移策略并行遺傳算法的模板匹配研究[J]. 姚冬艷,劉廣瑞,王釗,孟少飛.  機電工程技術(shù). 2019(08)
[5]基于機器視覺的筆芯球珠表面缺陷檢測系統(tǒng)研究[J]. 劉凱,王偉華,張勇,朱天明.  機械制造與自動化. 2019(04)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)多特征融合的工件識別與檢測[J]. 藍宏宇,姚錫凡,雷毅.  組合機床與自動化加工技術(shù). 2019(08)
[7]基于改進FAST檢測的ORB特征匹配算法[J]. 袁小平,張毅,張俠,崔棋紋,閆澤宇.  科學(xué)技術(shù)與工程. 2019(21)
[8]數(shù)字圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用[J]. 沈得.  電子制作. 2019(12)
[9]基于圖像分辨率處理與卷積神經(jīng)網(wǎng)絡(luò)的工件識別分類系統(tǒng)[J]. 陳春謀.  系統(tǒng)仿真技術(shù). 2019(02)
[10]基于交叉檢驗ORB和MCC的圖像模板匹配算法[J]. 丁小艷,王婷.  電子測量與儀器學(xué)報. 2019(05)

博士論文
[1]基于雙目立體視覺的汽車制動性能檢測系統(tǒng)研究[D]. 岳洪偉.吉林大學(xué) 2015

碩士論文
[1]一種改進的局部不變特征匹配算法及其應(yīng)用[D]. 姚海芳.西安電子科技大學(xué) 2019
[2]基于Harris-SIFT算法的雙目視覺立體匹配研究[D]. 趙麗麗.東北石油大學(xué) 2018
[3]基于三目視覺的旋轉(zhuǎn)乒乓球軌跡跟蹤系統(tǒng)研究[D]. 崔夢丹.長安大學(xué) 2017
[4]基于雙目視覺的機器人焊縫軌跡檢測的研究[D]. 鳳迎迎.浙江大學(xué) 2017
[5]智能視頻監(jiān)控中的運動目標(biāo)檢測和跟蹤算法研究[D]. 周巖.東北大學(xué) 2014
[6]基于圖割理論的圖像與視頻分割算法研究[D]. 王京京.電子科技大學(xué) 2013
[7]雙目立體視覺物體識別與定位[D]. 高立寧.北京交通大學(xué) 2012
[8]印刷電路板的自動光學(xué)檢測系統(tǒng)的設(shè)計與研究[D]. 陳臣.南京航空航天大學(xué) 2010



本文編號：3552520