论文部分内容阅读
随着科学技术的飞速发展,工业机器人的自动化研究取得了长足的进步。但是在复杂的工厂环境中以及作业目标尺寸、形状多样性等因素的干扰,使得工业机器人的智能柔性化水平偏低,如何实现工业机器人快速鲁棒识别定位作业目标,成为工业机器人智能化亟待解决的问题。为此,本文结合机器人学与机器视觉技术,针对复杂环境下工业机器人的智能柔性化作业目标的识别与定位进行研究,对进一步提升工业机器人的智能化具有重要意义。本文主要研究工作如下:1)依据金属构件表面易受光照不均所造成成像质量降低的影响,在分析颜色空间模型的基础上,本文提出了一种基于颜色空间的直方图校正方法,通过颜色空间的转换在Y′CbCr中,对Y分量进行直方图均衡化处理,有效降低了高亮度区域的亮度,而且维护了低亮度区域的亮度。同时,采用滤波及锐化处理进一步提高了图像的质量。2)针对作业目标的快速、高精度识别匹配问题,通过对SIFT算法与SURF算法的研究,本文提出了一种将SURF算法、BRIEF算法、汉明距离相结合的匹配识别方法。通过SURF算法检测图像的特征点,采用BRIEF描述子进行特征点的描述,实现了模板与作业目标图像的初匹配,再以汉明距离作为匹配的相似性度量,采用RANSAC算法进行二次精匹配,提高了匹配的精度。3)根据模板与作业目标图像的关系建立了四参数的仿射变换模型,对模板图像在Canny算子的基础上进行Zernike矩的亚像素边缘特征提取,采用形态学填充算法获得模板图像的质心坐标,通过仿射变换求解作业目标的质心坐标。同时,结合最小外接矩实现了对作业目标的二维尺寸的测量。4)在分析系统构成及硬件性能参数的基础上,构建了基于机器视觉的SCARA机器人作业目标识别实验平台。在不考虑相机畸变的情况下,完成了视觉系统的标定。通过以探索者机器人结构零部件为作业目标,完成了目标的识别、定位及二维尺寸测量等实验,验证了本文算法的可行性。