论文部分内容阅读
随着工业自动化设备及机器视觉技术的发展,三维物体的识别及位姿估计变得尤为重要。尤其在工业自动化装备和分拣机器人应用方面,如何确定物体的三维位姿成为研究的重点。在国内的工业制造中,多数自动化设备或机器人只能在固定深度情况下完成简单物体的定位识别,如圆、正方形等。在某些复杂物件的车间甚至还需要人工参与物体分拣,这是一个重复而又耗时的环节。随着机器视觉技术的发展和工业生产需求的提高,人们对物体的三维位姿估计提出了更高的要求。本文针对物体识别及其位姿估计的问题,提出了基于单目视觉的目标物体识别和位姿估计方法,实现了仅输入目标物体的图像和目标物体几何模型就能识别物体并确定其位姿,该方法有效的克服了深度问题,使该方法能运用于三维物体的识别和位姿估计。与传统方法相比,本文从目标物体建模和目标物体识别两个方面进行改进。对于目标物体建模,本文提出了一种直接利用物体CAD模型特征训练生成目标物体的3D模型的方法。该方法首先进行相机标定求取相机的内参和畸变系数,结合刚体运动原理获取投影矩阵。将CAD模型的数据经过虚拟相机进行投影变换以及对物体不可见部分进行消影后获取消影投影后的二维特征,对二维的特征进行训练并结合网格层次聚类以及图像金字塔原理建立目标物体的3D模型。对于目标物体识别和位姿估计,本文将识别过程转化为边缘点在受力下产生的位移过程,对该过程建立目标误差函数,进而将识别问题转化为求解目标函数误差最小的问题。在二维图像上,提取目标物体的轮廓及梯度特征,并将其与3D模型进行匹配,求解目标物体的位姿。为加快速度,本文提出了将图像金字塔和网格层次聚类相结合的搜索匹配策略,匹配首先发生在金字塔和3D模型网格聚类的顶层,确定初始位姿后,依次向金字塔和网格下一层搜索,整个搜索过程是由粗搜索到精确搜索的过程,最终识别目标物体及其位姿。该方法在Windows平台上利用Visual studio 2013基于Open CV、Open GL进行软件实现。本文采用了多幅仿真图像及部分测试图像对本文的方法进行验证,实验表明,本文的方法能正确的识别目标物体及其位姿,并对旋转、遮挡、缩放具有一定鲁棒性。