| 融合深度图像与密度聚类的下一最佳测量位姿确定方法 |
| |
| 引用本文： | 林俊义,张举,李龙喜,肖棋,江开勇. 融合深度图像与密度聚类的下一最佳测量位姿确定方法[J]. 计算机集成制造系统, 2021, 27(11): 3138-3147. DOI: 10.13196/j.cims.2021.11.008 |
| |
| 作者姓名： | 林俊义 张举 李龙喜 肖棋 江开勇 |
| |
| 作者单位： | 华侨大学厦门市数字化视觉测量重点实验室,福建厦门361021;华侨大学福建省特种能场制造重点实验室,福建厦门361021 |
| |
| 摘 要： | 针对机器人视觉自动测量中的下一最佳测量位姿确定问题,提出一种融合深度图像与密度聚类方法.该方法采用结构光双目视觉测量技术获得初始视角下被测物体的深度图像和三维点云数据,基于深度图像信息快速获取被测物体的边缘与密度聚类分析区域,基于密度聚类方法判定区域的复杂程度,进一步结合视场要求计算子区域权重,获得下一视场的最佳移动方向.利用趋势面分析预测下一最佳测量位姿的空间范围,采用深度图像信息获得趋势面分析全局区域,并快速获得中心趋势线的空间数据以确定下一最佳测量位姿.建立了Universal Robot 5 (UR5)机器人和视觉测量平台,对胡巴和海盗头像模型进行测量实验,验证了所提方法的有效性.
|
| 关 键 词： | 机器人视觉 自动测量 深度图像 密度聚类 下一最佳测量位姿 |
Next best measurement posture determination based on depth image and density clustering |
| |
| LIN Junyi,ZHANG Ju,LI Longxi,XIAO Qi,JIANG Kaiyong. Next best measurement posture determination based on depth image and density clustering[J]. Computer Integrated Manufacturing Systems, 2021, 27(11): 3138-3147. DOI: 10.13196/j.cims.2021.11.008 |
| |
| Authors: | LIN Junyi ZHANG Ju LI Longxi XIAO Qi JIANG Kaiyong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
