论文部分内容阅读
物料分拣是智能制造/智能物流的重要环节,利用机器人实现物料自动化分拣是重要技术。联合视觉技术和机器人技术的方案,使得机器人将取代人眼的智能识别功能,从而使机器人能够高精化和智能化的进行物料无序分拣,对能够降低工业的生产成本、确保产品的高质量、提高生产效率等具有重要意义。本文针对生产线物料无序的分拣需求,利用机器视觉,采集物料无序状态图像,结合2D图像和3D Depth图像特点,提出融合2D图像SIFT特征和3D Depth图像的NARF特征物料三维识别与定位技术。首先,介绍项目的研究背景,立体视觉技术的研究现状以及讨论本文的研究内容与工作的安排;其次,设计物料视觉系统。先描述物料无序分拣的需求,在此需求的基础,确定视觉系统各个硬件的选型,并设计物料无序分拣系统的视觉系统及对主要模块进行描述。第三,物料的图像预处理。采集物料图像的预处理包括两个部分:2D图像预处理和3D Depth图像的预处理。在2D图像预处理中,首先对图像增强,其次进行图像滤波,最后进行图像分割,提取物料区域。在深度图像处理中,介绍研究引起3D Depth物料图像产生畸变的原因,并提出降低噪声误差、提高测量精度的方法。第四,物料特征的识别与定位。通过分别用面阵相机和3D相机获取Mark点图像,并对图像预处理后获取物料Mark点区域,并建立二维图像坐标与三维图像坐标间转换关系;然后,分别提取2D图像SIFT特征与3D Depth图像NARF特征,将得到两种特征融合;最后,利用2D图像和3D Depth图像Mark点坐标转换关系,计算3D Depth图像物料特征区域质心坐标和区域坐标,形成物料特征区域三维信息,并生成物料特征区域的三维模型,实现物料的识别与定位。第五,实验结果与分析。实验表明,基于3D视觉技术进行物料分拣的识别与定位,通过图像的特征计算出了物料的特征区域质心坐标,并将特征点的坐标信息发送到机器人的控制器,最终实现物料无序分拣。