论文部分内容阅读
随着我国经济的发展,我国对工业自动化以及信息化的程度提出了新的要求。为了满足新的要求,机器视觉技术由于其精确度高、非接触性、高适应性、高敏感性等特点,在工业生产中得到了广泛的应用。利用双目立体视觉进行工业生产中工件的识别与定位是机器视觉技术的一个重要发展方向,相对于单目视觉,双目视觉技术容易获取工件空间信息,具有效率高、定位准确等优点。本文利用机器视觉技术构建双目视觉定位系统来处理工件的识别与定位问题,主要的工作内容如下:(1)研究了针孔摄像机模型下各坐标系之间的转换关系。分析了传统标定法、摄像机自标定方法、主动视觉摄像机标定方法三种摄像机标定方法的原理以及优缺点,选择了传统标定法中的张氏标定法,并通过实验求得了摄像机的主要参数。(2)研究了图像的边缘检测方法,提出了改进Canny算子,把传统Canny算子中的高斯滤波器替换为双边滤波器、增加了梯度方向上的计算;与Prewitt算法、Sobel算法等几种算法的对比实验表明,改进后的Canny算子对于图像的边缘检测效果更好。(3)研究了工件表明缺陷检测方法,基于卷积神经网络改进了分割网络模型,并与U-Net、DeepLabv3工件表面检测模型进行实验对比,实验结果表明了改进的分割网络模型具有更高的准确率。(4)针对工件识别过程中图像特征的提取问题,选取了SURF算法应用于图像特征的提取;提出了一种改进的Harris算法与SIFT、K-D树、RANSAC等算法组成的方法,完成工件的匹配与识别,并将该方法与SIFT算法进行了实验对比;利用工件三维重建原理和摄像机的标定方法完成工件在空间内坐标以及角度的计算,为机械手进行工件的抓取提供依据。基于上面的研究成果,完成了双目视觉定位系统的构建,进行了系统的测试。测试结果表明该系统具有一定的实用性。