机器视觉空间目标姿态自动测量方法研究

针对空间目标姿态测量问题,提出基于机器视觉的空间目标姿态自动测量方法,并对其中较为关键的目标靶自动分割及特征点自动排序问题进行研究。首先改进圆形目标靶的设计,通过设置区域面积及矩形度阈值,实现目标靶的自动分割,并提出基于向量夹角的圆心点阵顺序排序法,实现特征点准确快速地自动排序,最终基于张正友标定法,完成相机标定,获取目标靶在相机坐标系下的旋转矩阵,进而计算目标靶的空间姿态变化。实验结果验证:姿态解算的最大相对误差≤3%,整个姿态解算过程自动化程度较高,平均耗时2.026 s,能够满足工程测试需要。     

基于高分辨网络的空间目标位姿估计方法

针对空间目标位姿估计中空间目标所占像素较小、图像中存在遮挡部分和姿态旋转预测对图像分辨率敏感的特点,提出在高分辨网络HRNet的基础上结合空洞卷积HDC模块,减少了下采样对图像分辨率带来的损失。同时,结合空洞卷积用于HRNet输出阶段的各分支融合,扩大了感受野,提高了空间目标位姿估计的精准度,在简单背景和复杂背景图像中均表现良好。最后,在URSO空间目标图像数据集上进行了对比实验和消融实验,并给出了位置和姿态的可视化预测结果。     

基于机器视觉的分拣机器人6D位姿估计北大核心CSCD

为解决传统分拣机器人通过人工示教完成指定动作其自动化程度低、实时性差、可移植性弱等问题,研究设计了基于机器视觉的分拣机器人实验平台,提出了基于粗配准与增强精配准混合递进配准策略的6D位姿高精度估计方法。首先,将由视觉传感器采集的3D点云信息进行背景信息去除、目标区域裁剪、ROI提取等预处理;然后采用采样一致性初始配准算法(SAC-IA)进行位姿粗配准,再利用迭代最近点算法(ICP)进行精配准及正态分布变换(NDT)进行增强精细配准,以获得高精度6D位姿。实验结果证明,通过粗配准与增强精配准能够快速准确获得待抓取目标6D位置和姿态,与理论位置和姿态相比较其误差分别控制在1.5 mm和2°之内,满足分拣机器人的实际需求,所提出的方法便于在基于机器视觉的机器人装配、打磨等有高精度6D位姿估计场合推广应用。     

基于视觉的机器人非线性位姿观测器

本文利用相机对目标物体特征点的测量信息解决机器人相对位置和姿态的估计问题.首先,针对机器人运动过程中相机获得的目标物体连续图像,利用扩展Kalman滤波器估计特征点的三维信息.然后,在SE(3)空间上设计了一个非线性位姿观测器.利用得到的特征点三维信息构造了Lyapunov函数,并解耦成分别和姿态误差以及位置误差相关的...     

基于对偶四元数的单目视觉目标位姿测量

目的在机器人视觉应用领域中,为控制机器人能够完成焊接、搬运、跟踪等任务,需要确定摄像机与目标之间的相对位姿关系,提出一种目标位姿测量方法。方法利用单摄像机获取目标特征,坐标变换参数表示为对偶四元数的形式,同时计算旋转矩阵和平移向量,构建位置向量和方向向量的测量值与模型值之间的误差方程,利用Hopfield神经网络实现拉格朗日乘子法,求解目标位姿最优解。结果利用Matlab软件平台,选择SVD,DQ以及文中算法进行比较,仿真实验结果表明,基于Hopfield神经网络和对偶四元数的位姿测量算法计算出的位姿参数误差最小。随着测量点数量的增大,文中提出的算法精度更高。结论对偶四元数同时求解位姿变换矩阵的旋转分量和平移分量,可消除计算误差,基于Hopfield神经网络和拉格朗日乘子法,可快速准确地计算,并收敛至目标位姿最优解。     

复杂光照环境下空间目标相对位姿测量方法研究

为解决空间复杂光照环境下可见光相机获取的图像照度不一、信息失真、特征不完整导致的目标 航天器相对位姿求解困难的问题,提出了一种基于图像增强和弧段特征的双目视觉相对位姿测量方法。首先通 过基于带色彩保留的多尺度Retinex（Multi?scale Retinex with Chromaticity Preservation, MSRCP）自适应图像预处理 方法提升空间暗弱光、局部强曝光环境下的图像质量;然后利用基于边缘弧支撑线段的椭圆检测算法提取目标 航天器表面星箭对接环的弧段特征,并拟合得到椭圆轮廓;最后利用双目相机搭建了空间相对位姿测量物理仿 真实验平台,建立双目空间椭圆锥测量模型解算目标的六自由度相对位姿,实现了近距离正常光照和暗弱光照 场景下目标航天器相对位姿求解。实验结果显示：在正常光照场景下,相对位置平均误差优于20 mm,相对姿 态平均误差优于0. 3°;在暗弱光照场景下,相对位置平均误差优于30 mm,相对姿态平均误差优于1°。研究成 果为近距离空间交会对接等在轨服务任务中的目标识别与测量提供了参考,具有技术借鉴价值。     

基于空间拓扑关系的目标自动跟踪与位姿测量技术

针对试飞光电测试中目标运动轨迹姿态自动化测量的问题,提出一种基于空间拓扑关系的目标自动识别跟踪与位姿参数同步测量技术。首先通过对被测目标表面的圆形标志点密集布设、目标运动过程的图像高速采集、圆形标志点不同视角下的自动精确提取,实现目标的自动检测;之后基于多点空间拓扑关系进行同名像对的匹配,并结合双摄像机的标定参数进行前方交会测量,实现目标表面标志点的三维重建;再采用基于多点空间拓扑约束、点距判定以及坐标旋转平移变换算法的点云块配准方法,实现目标自动跟踪与运动过程的轨迹姿态参数测量。试验证明:该方法切实可行,可获得亚毫米级的定位精度和优于0.11°的定姿精度,且能够全自动处理,从而大大提升试飞测试中影像测量的数据处理效率,同时可为飞行影像数据自动化、实时化处理提供一种有效技术手段。     

改进最小二乘法双目视觉位姿测量技术研究与测试

由于工件表面油污、光照等因素干扰导致工件图像提取的特征点偏离实际位置,对工业机器人的抓取定位带来较大误差。该文以视觉引导工业机器人抓取气缸盖为应用对象,对双目视觉高准确度位姿测量技术进行分析。首先探讨特定条件下的双目视觉定位引导机器人技术以及粗差点产生原因与解决方法情况;其次介绍视觉系统视觉坐标系和目标坐标系,然后在位姿测量数学模型的基础上提出改进最小二乘法的准确计算方法,并搭建双目视觉引导的工业机器人抓取气缸盖系统进行测试分析。测试表明:改进最小二乘法的位姿计算方法可实现双目视觉对目标物的全自由度位姿测量,满足工业机器人高准确度抓取操作。     

ICF实验中靶位姿的视觉检测

惯性约束核聚变(ICF)实验中,靶定位精度直接影响打靶的成功率.本文利用三个CCD从不同的视角得到靶的图像,综合三个CCD的特征值计算靶的空间坐标和方位旋转矩阵,从而确定其在空间的六维位姿.对于特征值的提取,本文采用“模板匹配”和“椭圆轮廓拟合”相结合的数据融合图像处理技术,并利用双立方插值法实现了亚像素的测量精度,从而使微型靶的定位精度达到了微米级.实验结果表明,该检测方法稳定性好,定位的重复性误差小于1μm且获得了优于2 μm的测量精度.     

基于物体表面形貌的单相机视觉位姿测量方法

为了获取在风洞实验中运动物体的位姿变化,提出了一种融合物体表面三维形貌信息的单相机视觉位姿测量方法。该方法以多点透视成像原理作为求解物体位姿变化的基础,以物体的图像特征角点作为特征点,并利用物体表面三维形貌模型信息获得特征点的三维坐标。通过实验完成了该测量方法的精度验证,在400 mm的观察距离上,位移平均测量误差为0.03 mm,均方根误差为0.234 mm;俯仰角、偏航角与滚转角的平均误差分别为0.08°、0.1°与0.09°,均方根误差分别为0.485°、0.312°与0.442°。实验结果表明该方法有可用于实用的测量精度。

     

基于空间位姿测量设备溯源的轨迹规划

研究了不同空间轨迹曲线对激光跟踪仪、视觉测量设备等影响,以规划标准路径,保证经济、高效且高精度。以工业机器人为研究对象,建立机器人Denavit-Hartenberg(D-H)参数模型,对其结构和连杆参数进行分析,推导运动学方程,利用MATLAB Robotics toolbox分析验证机器人正、逆向运动学的正确性。在工业机器人运动学模型的基础上进行轨迹规划,分析了在关节空间和笛卡尔空间的轨迹规划方法,在MATLAB Robotics toolbox环境下对三次和五次多项式插值法等多种不同轨迹进行仿真,得出在关节空间中采取高次多项式插值法进行标准轨迹规划的初步结论,验证了关节轨迹的平顺性,保证测量设备的速度和连续性。为后续研究轨迹对不同测量设备的影响,规划标准路径进行测量设备的溯源提供理论基础。     

服务机器人目标同时识别与位姿判定研究

目前机器人尚难以自主建立起目标姿态的概念,通过人机交互方式辅助机器人对目标建模则不失为一种可行方案。提出了一种基于新型目标模型的离线/在线两步目标识别与位姿判定系统。离线阶段采用人机交互方式构建目标模型,在线阶段通过场景图像与目标模型的特征点对应即可自动发现目标,并计算其相对于机器人的位姿。实验证明,该系统能够有效完成对纹理目标的同时识别与位姿判定。     

基于视差空间运动估计的高精度立体视觉定位

立体视觉定位算法的运动估计通常在3D欧式空间中进行,但由于特征点3D坐标的噪声各向异性且分布不均匀,3D重建在深度方向上比另两个方向上的准确性差,从而导致3D欧式空间运动估计精确不高.本文提出了一种新的基于视差空间运动估计的高精度立体视觉定位算法.算法首先采用视差空间4点闭环线性解法和RANSAC算法得到初始鲁棒运动估计和匹配内点.接着,利用新的视差空间再投影误差函数提出了基于LM算法的视差空间运动参数非线性优化方法,对初始运动参数进一步优化.视差空间噪声分布均匀且各向同性,本文的初始运动参数线性估计和非线性优化都在视差空间中进行且能达到全局最小.仿真实验和真实实验结果表明,本文算法能得到高精度的立体视觉定位结果,优于传统的3D欧式空间运动估计方法.     

基于机器视觉的工件检测系统研究

为检测工件质量,识别型号。采用机器视觉的方法,应用CCD相机在线拍摄工件图像,以图像采集卡作为与计算机的接口,进行数据的分析及处理,实现工件分拣。     

无位姿约束的线激光视觉传感器参数标定

针对现有线激光单目视觉传感器参数标定方法中靶标移动需要精密机械控制或可自由移动靶标摆放位姿受约束等不足,提出一种靶标可自由移动且摆放位姿无约束的新标定方法.根据靶标特征点的成像点所构成向量簇的叉积方向集合的射影不变性,对成像点排序,建立靶标特征点与其成像点的对应关系;由光刀中心拟合直线与靶标特征点的成像点所构成包络求交,提取光平面特征点,并根据交比不变原理计算其三维坐标;最优化拟合计算单目摄像机内外参数及线激光投射器光平面参数,实现传感器参数的精确标定.试验表明,该标定方法操作自由、步骤简便,具有较理想的标定精度.     

基于机器视觉的卡簧测量算法研究

正卡簧也叫挡圈或扣环,是一种常用的机械紧固件,主要通过安装在机器或设备的轴槽或孔槽中来达到轴向定位的作用。工业产品的测量方法主要有传统的人工测量法和日趋流行的视觉测量法。基于机器视觉的产品测量方法已逐渐取代人工检测方法,广泛应用于工业检测和测量。视觉测量方法具有检测速度快、检测准确度高等     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

基于立体视觉的机器人焊接遥操作研究

研究了在立体视觉辅助下的机器人焊接遥操作技术.将立体视觉显示技术和机器人遥操作技术相结合,显著提高了焊接遥操作系统的操作性能.自主开发了基于PC的页面交互显示的立体视觉系统,以空间鼠标作为输入机器人控制命令的手控器,精确地控制远端焊接机器人的定位和跟踪焊缝.深入研究了手动跟踪焊缝的控制算法和遥控示教技术,以提高焊接遥操作的灵活性.焊接遥操作在立体视觉辅助下比二维视频监控辅助下跟踪焊缝的精度有大幅度提高,能够遥控示教空间曲线焊缝,系统操作简单,灵活.