论文部分内容阅读
机器视觉技术在工业生产中的应用日益广泛,为了提高工件装配、分拣等生产环节的自动化程度,需要利用视觉系统引导机器人逐一识别工件并获取工件位姿信息。在许多工业生产线上,工件被随机堆叠摆放,这导致众多工件之间常常存在遮挡,所以精确地识别堆叠工件具有较高的实用价值。本文对堆叠工件的识别与定位展开了研究,主要内容如下:(1)研究了相机标定原理。首先分析了Kinect v2相机的硬件结构及深度图像的获取原理,然后研究了相机几何模型及其包含的各个坐标系之间的坐标转换关系,并通过对比常用的三类标定算法的优缺点,最终选定张正友标定算法对Kinect v2相机进行标定实验,最后研究了Eye-to-Hand手眼系统的标定原理。(2)研究了Kinect v2相机采集到的图像的预处理方法。首先分析了深度图像和彩色图像的对齐方法,然后对采集到的工件图像进行滤波、增强、纹理提取等图像预处理,通过对这些算法的实验结果对比,最终选择中值滤波和拉普拉斯算法进行增强,并采用LBP算子提取工件图像纹理特征。(3)研究了工件的识别方法。首先,根据识别需求选择可靠性较高的基于灰度的模板匹配算法,阐述了模板制作的原理及流程;然后,对于工件堆叠放置导致上层工件倾斜的情况,采用多模板的匹配方式,使多个模板涵盖工件的多种形态;之后,针对实际情况下待识别工件的倾斜方向不同,为确保各个方向的工件图像能与模板匹配,在识别过程中采用旋转模板图像产生不同方向模板来匹配的方法;最后研究图像模板制作方法和工件图像识别算法,根据该算法对图像进行识别处理,并对实验结果进行分析,验证算法的有效性、稳定性。(4)研究了工件的定位方法。工件定位采用霍夫梯度法,首先采用加权法对识别得出的目标工件彩色结果图进行图像灰度化;然后根据Roberts、Prewitt、Sobel、Canny等方法的对比实验,选择Canny算子对灰度图像进行边缘检测;最后利用霍夫梯度法对目标工件进行定位实验,对检测得到的坐标结果进行误差分析以验证该方法的准确性。