随着科技的蓬勃发展,各类建筑外墙喷涂机器人不断出现,这种新兴的技术不仅大幅度降低了行业成本,更是将人力从艰苦、繁重、高危的工作中解放出来。为了进一步实现喷涂作业的自动化,本文设计了一种视觉智能辅助指导系统,为建筑外墙喷涂机器人装上“眼睛”,引入视觉度量技术对目标喷涂区域进行窗口尺寸测量。度量系统将光学测试技术、计算机视觉和深度学习进行结合,由多源传感器获取待喷涂区域的色彩信息和深度信息并进行融合处理,然后结合全卷积神经网络进行图像中窗口边缘的确定,进而得出窗口尺寸,实现非接触性测量。在此基础上指导喷涂机器人进行作业,最后进行喷涂质量的评价。具体工作内容如下:(1)详细阐述了单目相机的测量技术并设计测量装置。首先分析系统工作的环境,通过对比选取合适的硬件器件面阵式CCD相机和相位式激光测距仪。然后选取合适的控制芯片,设计多模信号处理电路,电路包括主控制芯片模块,转换芯片模块等,融合两个外部设备获取的数据信息。接着针对硬件电路原理图的设计和PCB图的绘制、布局和布线进行分析。最后进行制板、焊接和性能测试。(2)综述相机成像过程中的四种转换,并分析相机畸变的原因。本文基于张正友标定法,使用Open CV视觉库对CCD相机进行标定,进而求取畸变矩阵。完成畸变校正后,再对实际物理长度和像素长度的比值K进行确定,本文根据工作距离的局限性提出列表法求取出K值。通过实验,在0.8m-1.2m的区间上进行分段测量来确定K值。(3)针对实际场景中外墙图像的纹理和颜色单一的情况,本文在进行特征提取时,着重于更能描绘边缘的浅层信息,进而提出改进的U-Net网络模型对图像中的窗口进行检测。该网络是一种浅层的且增加了跳跃连接次数的网络结构,可以更好增加浅层信息的提取。实验证明,在改进的U-Net检测的基础上结合K值进行度量,可将误差控制在1cm以内,系统整体精度满足建筑外墙的实际度量要求。最后通过超像素分割算法对喷涂后的墙面进行质量评价,划分出未喷涂均匀部分进行再处理,从而有效地保证喷涂质量。