基于SURF+RANSAC的双目立体视觉目标识别与抓取

针对单目视觉处理简单、无法获取获取三维维空间数据的问题,提出一种双目立体视觉目标识别和抓取方法。结合SUR算法和RANSAC算法对图像进行匹配,以滤除图像中的"外点";利用仿射变换获取关键点信息及形心坐标,根据立体重建原理实现目标测距与定位,最终完成抓取任务。实验结果表明:采用距离辅助坐标定位法可以准确识别目标物体并获得距离信息,实现准确定位。     

基于激光双目视觉的接缝三维重建

设计研制了结构激光双目视觉传感器,该传感器加入结构激光,很好地解决了立体视觉中对应点的匹配问题.利用该传感器采集接缝图像,开发了图像采集处理程序,实现接缝图像处理和特征分析,识别并提取了二维平面上接缝特征点的图像坐标.采用MATLAB软件实现了三维重建标定算法,根据双目视觉原理,由接缝特征点的图像坐标计算出其三维坐标,进行了三维重建,抽取了接缝三维几何尺寸、坡口类型、角度、间隙等焊接特征信息.     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

基于双目视觉的船舱格子间角焊缝路径识别

针对船舱格子间工作空间狭小,大型自动化设备难以完成舱内自动焊接的问题,提出了一种基于双目视觉获取焊缝路径三维信息的策略。基于张正友标定原理获取双目系统基本参数后,利用C++与OpenCV编写了自适应阈值的二值化处理、改进的Sobel轮廓提取算子、非连续像素点筛除等程序,对双目相机采集的图像进行处理,提取了清晰、低噪点的直角角焊缝中心轮廓图像。基于BM特征点匹配算法与像素点扫描方法,得到了焊缝轮廓上连续特征点的三维信息数据集,利用Origin作图软件拟合后生成了三维直角角焊缝路径。为了验证双目系统测距精度与鲁棒性,设计了可升降、角度可调的滑轨万向节组合模块,实现了从不同拍摄角度、高度采集焊缝图像,并对焊缝上设置的等距特征点的距离进行识别。试验结果表明,当拍摄偏角在30°之内,或正拍高度在150～190 mm内变化时,测距偏差都可以控制在2 mm内,基本满足焊接的精度与稳定性要求,并为焊接的自动化循迹过程提供了数据基础。创新点： (1)将双目视觉识别测距技术应用于小型船舱格子间内矩形角焊缝中心路径的识别,为自动化的焊接过程提供了循迹数据基础。(2)设计了滑轨万向结模块,证实了该双目视觉识别系统在不同角度与高度下良好的鲁棒性与识别精度。     

基于双目视觉的番茄图像处理及采摘轨迹规划

针对番茄采摘自动化水平不高的问题,设计一种利用双目视觉采集系统和机器人定位技术的番茄采摘系统。利用双目立体视觉系统进行图像采集,构建模型并进行标定校正。通过图像处理技术将图像预处理,从而获得成熟番茄的具体轮廓;根据番茄类椭圆形状确定其中心点坐标,并将其转换为空间坐标,便于机器人末端执行器抓手进行定位采摘。针对各关节运动限制提出平滑性约束,通过改进蚁群算法,获得采摘抓手较平滑且距离最短的路径。仿真结果表明：该方法可基本满足采摘图像处理要求,能获得运动距离最短且平滑的路径,为实现番茄全自动化采摘提供参考。     

双目视觉三维数字化测量技术研究

双目视觉三维数字化测量是一种先进的产品数据采集技术,由于其无破坏、测量精度高、数据获取速度快等优点而被工业界和学术界广泛关注,是加快产品开发和保证产品质量的重要手段之一。文章在对国内外相关研究工作进行分析的基础上,系统地总结了双目视觉三维数字化测量技术的基本原理、研究现状,并指出在其研究过程中应解决的关键问题,明确了以后研究的方向。文章为双目视觉三维数字化测量技术研究工作的进一步展开提供了参考,对其正确、广泛地应用具有一定的指导意义。     

基于双目视觉的化学铣削零件轮廓测量

针对飞机蒙皮的化学铣削加工区域轮廓的测量问题,构建了一套基于双目视觉的测量系统.以双目相机作为视觉传感器,结合光源系统和多曝光融合算法得到融合图像,基于Canny算法和双三次插值法提取亚像素轮廓,通过基于ZNCC的立体匹配,最终实现化铣区域轮廓三维重建,获取区域的轮廓信息.实验结果表明,提出的系统具有较高的测量精度,显...     

基于双目视觉的机械手捡球机器人设计

为解决人工捡球费力费时的问题,设计了一种双目视觉识别定位、机械手捡拾和自主避障的轮式智能捡球机器人。该机器人通过双目摄像头和Lab VIEW平台,实现对小球图像的实时采集与处理;运动控制系统采用以STM32F411为主核心的NUCLEO-F411RE嵌入式开发板,实现对各个模块的驱动;通过五自由度机械手实现小球的捡拾;通过红外传感器检测周围环境,实现自主避障;由计数器统计捡球数量,通过手柄模块人机交互辅助完成卸载过程。仿真结果表明:该机器人能够完成高尔夫球、乒乓球、网球等多种小型球类的捡拾任务。     

基于双目视觉的缺陷深度测量方法

准确获取焊缝内部缺陷的深度位置,将为缺陷修补、缺陷危害评价及对焊接工艺分析提供必要的信息.文中阐述基于X射线技术的双标记平移法和旋转法两种缺陷定位方法的基本原理;通过对人工缺陷及实际焊缝缺陷深度测量,验证两种方法的检测精度.结果表明,由于基于射线束为平行光束的假设,双标记平移法缺陷深度检测精度低于旋转法.对厚度为8 mm的焊件,采用双标记平移法获得的缺陷深度的最大绝对误差为1.9 mm,平均绝对误差为1.4 mm,平均相对误差为18%;采用旋转法获得的最大误差为0.5 mm,平均误差为0.3 mm,平均相对误差为4%.     

空间直线基元在双目立体视觉系统中重建方法的研究

在机器视觉的工程实践的很多场合中,以直线基元为基础的三维重建,不但会提高检测系统的效率、有利于实现在线检测,而且能够解决一些特定环境下三维重建的难题。为满足如此需求,对以直线为基元的三维重建进行分析与研究,按照立体视觉的物理意义,推导了直线三维重建的模型,并据此完成了实验系统搭建。实验研究表明,所构建的系统能够实现直线基元的三维重建,并具有较高的精度,可以满足工程实际应用的精度要求。     

基于双目视觉的机器人虚拟拖动示教技术的研究

针对工业机器人拖动示教技术可拓展性差及市场应用推广难等问题,基于双目视觉研究机器人虚拟拖动示教技术,降低机器人拖动示教成本。根据机器人末端姿态获取要求,设计基于双目视觉的末端姿态获取实验平台,并研究末端姿态获取方法。通过坐标变换技术研究机器人虚拟样机和末端执行器虚拟样机融合方法,实现ADAMS环境中机器人虚拟拖动示教模型的构建。以末端姿态数据设计虚拟模型驱动函数,研究机器人关节角度序列获取方法,实现机器人虚拟拖动示教轨迹再现。以毛笔为机器人末端执行器的实例验证了基于双目视觉的机器人虚拟拖动示教技术的可行性。虚拟拖动示教技术避免了复杂的机器人逆运动学求解问题,为机器人轨迹规划提供了便捷的方法。     

基于Adam优化算法的双目机器人手眼标定方法

在智能制造领域,视觉机器人应用前景十分广阔.视觉机器人的手眼标定精度直接关系到机器人的后续作业精度.为了进一步提高机器人的手眼标定精度,现提出一种基于Adam优化算法的双目Eye-to-Hand型机器人的手眼标定方法.根据多体运动学理论,建立了6DOF机器人手眼标定数学模型,以Halcon输出的手眼标定矩阵为初始值,采...     

基于双目视觉和距离误差模型的工业机器人运动学参数标定方法

基于距离误差模型的标定技术,建立机器人末端距离误差与机器人运动学参数误差间的模型关系,避免了标定过程中坐标系的转换误差,能显著提高标定精度。视觉测量技术具有测量精度高、非接触性、实时性强等特点,与传统的机器人末端测量手段相比,具有成本低、操作简单等优势。研究一种将距离误差模型与视觉测量技术相结合的机器人标定方法,用于提高工业机器人特定工作空间的精度。采用双目视觉系统,将相机外置于机器人进行测量。基于距离误差模型进行机器人参数标定,利用标定结果进行运动学参数补偿。结果表明:特定标定工作空间内的距离误差都有所改善;在标定轨迹上,绝对距离误差的平均值从0.279 9 mm减少为0.104 4 mm,非标定轨迹的误差降幅高达50%以上,验证了该方法的可行性。     

基于机器视觉的轴承字符识别技术的研究

针对轴承上字符的特点,提出了一种基于机器视觉的轴承字符自动识别方法,并利用C++和OpenCV计算机视觉库开发了识别软件。对轴承字符图像进行阈值分割,使用Sobel算子提取边缘轮廓,然后使用改进的圆检测算法定位环形字符区域,在经过极坐标变换后进行字符分割。最后提取改进的字符特征,使用支持向量机分类器进行字符识别。试验结果表明:该方法能有效识别轴承字符,而且识别率达到了95%以上,具有广阔的应用前景。     

基于改进的SURF_FREAK算法的工件识别与抓取方法研究

为解决自动化生产线上工件的准确、实时定位与抓取问题,提出改进的SURF_FREAK算法,将其应用于工件的识别与匹配。该算法首先利用加速稳健特征(SURF)算法提取特征点,随后对FREAK算法添加中距离点对进行特征点的描述,在汉明距离相似性度量之前添加极线约束匹配工件图像。研究结果表明:改进的SURF_FREAK算法相比传统的尺度不变特征变换(SIFT)、SURF、SURF_FREAK算法,其在工件的识别速度和匹配准确度上有很大的改善。将该算法应用于工业现场,可以快速准确地识别出工件,结合双目技术完成工件的定位,通过运动学逆解求出机械臂各关节的移动量,传送到控制器,实现对工件的抓取。     

基于机器视觉多目标工件分类识别和定位研究

为实现对随机摆放的多类型工件进行分类识别和定位,提出一种基于连通域Blob分析与神经网络分类器相结合的方法。该方法运用机器视觉技术,以Halcon软件为试验检测平台,通过Blob分析提取工件的特征信息实现定位,并且应用提前训练好的神经网络分类器对多类型工件进行分类识别。试验结果表明:相比传统模板匹配和定位算法,该多工件分类识别和定位方案识别准确率达到100%,定位精度提升0.7 mm,识别和定位时间减少8.735 ms,具有更好的多工件识别定位效果,有一定的应用前景和推广价值。     

双目立体视觉技术在汽车零件自动分检生产线的应用

设计了采用DFK 33GX174工业相机的双目立体视觉汽车零件自动化分检生产线,采用Harris角点特征检测进行零件识别及判断零件的朝向,三维立体定位确定抓取点,提高零件的装配精度。实际应用表明:该生产线减短了汽车零部件分检的生产节拍,解决了对汽车装配工艺要求较高的零件方位朝向的自动识别和分检的关键问题,具有很高的可靠性和实用性,对于工业应用有一定的借鉴作用。