论文部分内容阅读
在工业机器人中,汽车轮毂工件的自动化加工需要采用机器视觉技术来分析相机采集的实际工作图像,以实时指导工业机器人抓取和搬运轮毂。轮毂工件是铸造工件,粗加工后在轮毂的旁侧会留下多条铸线,且表面较粗糙,在实际对轮毂进行精加工时,需要获取轮毂工件图像,从图像中识别出轮毂,并定位气嘴位置,才能确定机器人的抓取姿态。但在实际工作环境下,存在轮毂周围有其他干扰物、轮毂平移旋转、轮毂工件部分拍摄不全和放置轮毂的背景比较复杂等问题,导致定位轮毂及其气嘴的位置比较困难。为此,本文对轮毂工件定位方法进行了较深入研究。本文从模板匹配和特征匹配角度提出了两种轮毂工件定位的方法,主要工作如下：(1)在模板匹配方法中,首先采用最小类内交叉熵法粗定位轮毂区域,并通过Hough变换定位轮毂圆心并计算半径的值,接着用Frieze-Expansion(FE)变换方法将圆形轮毂展开矩形饰带群,最后用气嘴模板匹配出待检测气嘴在Frieze群中的位置,并计算气嘴在原始图像中的位置。(2)在特征匹配方法中,离线提取并存储轮毂模板的SIFT特征点信息,并在模板图像上预先标记圆心和气嘴的位置。在实际轮毂定位时,首先提取待检测图像上的SIFT特征点；然后用Best-Bin-First搜索算法搜索与轮毂模板的特征点相匹配的特征点；接着用随机抽样一致性算法剔除误匹配点,并计算出待检测图像上的轮毂与模板图像之间的空间映射关系；最后根据模板图像的标记点计算出待检测图像中轮毂的圆心和气嘴的位置。本文采用理想环境下的轮毂图像作模板,拍摄多幅不同干扰条件下的轮毂图像做实验。实验结果表明,(1)基于模板匹配的轮毂定位方法在光照良好的条件下能够有效地定位轮毂和气嘴,但对图像对比度和待检测区域灰度变化比较敏感。(2)基于SIFT特征点匹配的轮毂定位方法能够克服图像匹配过程中遇到的光照、平移、旋转、尺度变换问题,对环境噪声、视角变化和部分遮挡都有较好的鲁棒性。