基于双目视觉的工件位姿检测方法

建立了一种基于双目视觉的空间位姿检测模型。采集目标物不同角度的图片以建立目标物离线模板库,通过SURF算法检索模板库以分离目标物所在区域。在该区域利用霍夫变换提取目标物的特征角点。利用基于灰度相关函数的匹配算法完成特征角点的匹配,结合双目视觉模型建立特征角点像素坐标与用户坐标间的映射关系进而求出目标物在用户坐标系下的位姿信息。以检测箱体工件为例进行多组实验,结果表明,该方法可以准确地检测目标物位姿。     

基于椭圆检测的小型工件分拣系统设计

针对分拣系统中散乱堆叠的圆形工件检测和位姿估计问题,设计了基于椭圆检测的双目立体视觉小型工件分拣系统。使用LSD算法提取圆弧支撑线段,经筛选和连接组合后,采用改进的椭圆最小二乘拟合方法直接计算出初始椭圆;对初始椭圆进行层次聚类并筛选,完成椭圆识别。提取特征点,再根据Rosin近似距离筛选角点对左右目椭圆进行匹配并进行三维重建,根据随机抽样一致算法进行平面拟合,并提取圆形工件位姿。根据此结果应用Robot Studio控制机械臂移动和分拣工件。经测试和实验证明,该分拣系统能够迅速和准确地识别工件,完成自动分拣,在工件散乱堆叠的情况下,准确度较传统模板匹配方法大大提高。     

微细对接焊缝初始点定位方法

为了解决焊接机器人对薄板微细焊缝的自动定位和焊接问题,研究了一种基于视觉的高精度微细对接焊缝初始点定位方法。提出一种局部范围内两步精确定位方法,第一步,获取工件在不同尺度及旋转角度下的图像,建立典型的模板匹配库,利用模板匹配方法提取出焊缝初始点位置区域;第二步,采用Shi-Tomasi算法在此局部范围内进行角点检测,计算亚像素级角点位置并进行初始点精确定位。通过对现场拍摄的50幅不同高度和旋转角度的图像进行初始点检测,实现了对所有图像的准确检测。实验结果表明,两步定位方法鲁棒性强,可以精确定位出规则边界和不规则边界焊缝的初始点,解决了微细对接焊缝初始点定位问题,达到了期望结果。     

基于Harris角点检测和聚类算法的掌纹图像ROI提取方法

为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。     

基于定位平台的大尺寸工件视觉测量技术研究

对于大幅面工件的几何尺寸很难进行全尺寸视觉测量的问题,提出一种单目视觉加运动控制联合的测量方法.该方法结合了图像检测功能与运动平台的可移动特点,对大尺度工件进行分区编号,控制直线精密定位平台按逆时针顺序对相应区域进行图像采集处理,并建立一种基于Canny边缘检测与分段序贯最小二乘法拟合求交点的角点检测算法,通过获取先后两不同区域图像角点坐标的偏差,结合定位平台位移信息,实现对大幅面工件的全尺寸视觉测量.最后运用建立的大尺寸工件视觉测量系统对特征丰富的工件进行测量实验,实验结果表明系统在200mm测量范围内可保证0.05mm的精度要求.     

基于手机平台的工件台残余切屑检测方法

针对工件台上的残余切屑会对工件的装夹和加工产生影响的问题,提出了一种基于手机平台的工件台残余切屑检测方法,手机负责图像的获取和处理。首先对没有切屑的标准照片进行裁剪和预处理以得到感兴趣区域,将感兴趣区域作为模板同待检测照片进行图像匹配。对匹配结果和感兴趣区域添加掩膜,然后做差分运算,利用浮动阈值对差分结果进行阈值分割,将得到的二值图像进行形态学开运算以去除伪切屑,获得实际切屑的信息。最后通过计算面积判断是否有残余切屑,再将判断结果以指令的形式反馈给机械手。实验结果表明,该方法能够准确地检测出工件台是否存在残余切屑,实现了检测的自动化,有效保证了工件的加工质量。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于SIFT-SUSAN算法的零件图像特征提取研究

把SIFT-SUSAN算法应用在零件图像的特征提取上,检测图像的特征极值点。首先对采集的图像进行均值滤波和Laplace锐化预处理,以此增强图像的边缘响应;利用高斯卷积和高斯差分建立尺度空间域;再利用SIFT算法提取空间极值点,并引入SUSAN算子检测空间角点;计算两种特征点的位置,生成特征描述子,实现零件图像的匹配。通过对垫片、螺母和轴承盖零件分别采用SIFT算法和SIFT-SUSAN算法进行对比试验,实验表明:SIFT-SUSAN算法结合了图像区域和边缘角点特征,得到更多的匹配点,提高了图片匹配的正确率。     

激光扫描在工件角点定位中的应用方法

为了获取激光测量平面中工件角点的精确坐标信息,提出一种激光扫描在工件角点定位中的应用方法。利用安装在机械臂末端的激光传感器扫描工件从而获取工件在激光测量平面的三维几何信息。通过相邻两个采样点之间的高度差求出工件特征轮廓点坐标信息,结合欧氏距离大小关系确定同一个连通区域上工件的特征轮廓点,利用同一个连通区域上相邻的三个特征轮廓点间斜率的数值关系得出连通区域上角点的坐标信息。实验结果表明,利用该方法对工件进行检测,得到角点检测精度为,检测平均时间在0.5s内,检测结果有效可靠,能满足精度要求,为工件在激光测量坐标系中的定位提供了重要依据。     

V型焊接坡口图像处理方法的研究

焊缝跟踪是焊接自动化中的核心技术,而焊缝的角点提取对于焊缝成形好坏有着重要的影响。在焊接中,V型焊接坡口是一种最为常见的焊接接头。为提高焊缝角点提取的准确度,针对V型焊接坡口,研究了曲率极值法的角点检测算法。在获取到一副焊缝原始图片,对图片进行预处理,包括图像分割、图像去噪和骨架细化。再应用曲率极值的角点检测方法从细化后的V型焊缝激光线上提取角点坐标并标记。实验结果表明,该方法简单有效,准确度高。     

基于机器视觉的金属边缘细微缺陷检测方法的研究北大核心

针对金属表面质量人工检测工作量大、效率低等情况,提出一种机器视觉检测金属零件边缘细微缺陷的方法。先根据金属零件表面反光的特点,在亮场下垂直照射,运用形状模板匹配定位,对前景区域膨胀处理,截取包含零件边界信息的图像,缩小处理区域。接着锐化和滤波边缘区域,线性拟合边缘轮廓,提取拟合线段的方向向量,并以此为特征进行区域类划分,提取边缘坐标点。以提取的坐标点为圆心作圆领域,求取每个领域的灰度平均值并线性插值迭代剔除边界干扰点。最后提取符合要求的坐标点排序,重构多直线段,结合背景差分法提取缺陷。实验结果表明,该检测方法能够有效检测出金属边缘细微缺陷。     

基于深度图像的多特征孔洞填补方法研究

为填补深度图像中包含多个特征的孔洞,提出了一种基于模板匹配的孔洞填补方法.根据法矢进行区域特征分割,得到单一特征点云,运用切片法从单一特征点云中得到特征线点云.对特征线点云中值滤渡后拟合生成特征线,并对特征线编码.同时建立模板编码库,采用模板匹配法匹配模板图和搜索图中各特征线子图,找出最优模板图进行孔洞填补.该方法应用在船舱槽型舱壁的重构中,能有效地实现多特征孔洞填补.     

基于机器视觉的金属边缘细微缺陷检测方法的研究

针对金属表面质量人工检测工作量大、效率低等情况,提出一种机器视觉检测金属零件边缘细微缺陷的方法。先根据金属零件表面反光的特点,在亮场下垂直照射,运用形状模板匹配定位,对前景区域膨胀处理,截取包含零件边界信息的图像,缩小处理区域。接着锐化和滤波边缘区域,线性拟合边缘轮廓,提取拟合线段的方向向量,并以此为特征进行区域类划分,提取边缘坐标点。以提取的坐标点为圆心作圆领域,求取每个领域的灰度平均值并线性插值迭代剔除边界干扰点。最后提取符合要求的坐标点排序,重构多直线段,结合背景差分法提取缺陷。实验结果表明,该检测方法能够有效检测出金属边缘细微缺陷。     

一种基于横截面特征的车道线检测方法

车道线检测是自动驾驶的基本任务之一,提出了一种高效稳定的车道线提取拟合和跟踪的算法。根据车道线的截面特征逐行提取车道线特征点,并使用连通域聚类滤波,与传统的霍夫算法相比降低算法复杂度,提高运行效率。将提取的车道线特征点区域分成近视场和远视场,并分段拟合,提高拟合精度。使用卡尔曼滤波算法对车道线的端点和斜率进行跟踪,以此缩小感兴趣区域,提高运行效率。实验中,该方法能够完成多种不同场景下的车道线检测,证明了该算法具有良好的鲁棒性和实时性。     

基于视觉的金属成形工件尺寸和缺陷检测

针对金属成形工件存在成形尺寸误差和外形缺陷,使用人工抽检效率低,不能对全部工件进行检测,大量存在未检出残次品交于客户的问题,提出一种基于HALCON视觉软件的金属成形工件尺寸与外形缺陷检测的方案。该方案基于金属成形工件形态学和灰度值特征,运用边缘提取和圆拟合算法,精确检测金属成形工件内圆孔尺寸。应用阈值分割与基于形状的标准模板匹配算法对金属成形工件进行区域匹配,检测工件外形缺陷。分别采集50个金属成形工件的图像并对其进行上述方法的检测,工件尺寸的检测正确率98. 5%,外形缺陷件检测正确率98%。     

Zernike矩边缘检测与多项式拟合的CT图像三维测量算法

针对工业CT切片z方向分辨率不足问题,研究一种Zernike矩边缘检测与多项式拟合结合、自动预测顶端的高精度三维测量算法。首先通过Zernike矩对每张切片图像提取亚像素级轮廓,并用多项式拟合该轮廓;然后对拟合曲线进行等相角间隔采样,并建立同相角的轮廓点匹配,采用层间插值算法得到中间层的轮廓点并外插预估工件顶端点;最后采用台体法计算工件体积。对体积相等的圆柱、圆锥和半球3个标准试块进行CT扫描、测量并分析了测量误差的来源。实验结果表明,对实际工件体积测量误差降低到1%以下,能够满足工程应用中的自动、快速、高精度体积测量要求。     

三维点云特征的工件识别与位姿估计

针对工业机器人在抓取工件过程中需要识别和定位工件的问题,提出了一种基于改进法矢计算的点云局部描述符SHOT的三维物体识别与位姿估计的方法.首先,对三维扫描仪获取工件表面点云进行预处理和分割,得到用于匹配的工件点云模板数据集;其次,采用均匀采样算法提取特征点集,通过SHOT特征描述符对场景点云与模板点云提取的特征点进行点...     

基于机器视觉的工件自动分拣系统的研究

介绍了机器视觉技术在工件识别中的应用以及主要图像处理算法。采用机器示教方法建立待处理零件的特征库,通过图像预处理、阈值分割、边缘和轮廓提取算法等获取零件图像的特征并与标准模板比较,从而判别待测零件的合格性。为解决零件摆放的位姿偏差,采用边缘检测和轮廓跟踪算法确定工件形心位置和旋转角度,根据与模板零件的相似性测度判断工件的特性,为自动分拣提供决策支持。实验验证了本算法的有效性。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于双目视觉的工件空间定位方法研究

本文基于双目视觉原理,设计实现了一种对特定工件空间定位方法。首先对双目视觉系统进行标定,根据标定结果进行图像矫正,使用基于区域的立体匹配算法求取视差图,结合特征点对应视差值和标定结果对图像进行三维重构,获得工件表面的高度位置信息;根据工件特征,通过拟合获得的工件一组同轴圆的圆心三维坐标,确定工件在摄像机坐标系下的位置和姿态,实现工件的空间定位。