零件的双目视觉识别定位与抓取系统研究

针对生产制造过程中零件的自动定位、识别与分类等问题,构建了基于双目立体视觉的零件识别定位与抓取系统,对每个零件应用SIFT算法进行特征提取和匹配识别,应用双目视觉实现零件的三维定位,运用MATLAB和VC++混合编程技术,实现零件自动识别定位系统的软件开发.经实验验证,结合机器人控制软件,本系统能够快速准确地得到物体三维位置信息进而完成抓取任务.     

基于双目视觉的机械手识别、定位、抓取系统研究

针对多类堆叠工件分类和提取三维位姿困难的问题,对随机摆放规则物体的机器识别、三维定位和自动抓取等方面进行了研究,采用一种基于MLP分类器的视觉算法实现了工件识别。利用识别结果选取合适的透视可变形模板匹配将堆叠工件与背景分离,结合双目视觉中的立体匹配、深度计算和坐标变换完成了三维位姿估计,通过Halcon和Visual Studio联合编程的方式,进行了工件识别定位抓取实验系统的软件开发,设计了实验平台,对矩形工件和圆柱体对象进行了位姿提取和抓取实验。实验结果表明:该系统具有较好的分类效果和较高的识别定位精度,可以满足机器人对工件的在线抓取需求。     

基于双目视觉定位的机械臂智能抓取控制研究

随着科技的发展，机械臂开始往更加智能化、自动化的方向发展，单单依靠传统的通过示教器执行单一指令的机械臂已远远不能满足各类复杂的生产和服务。为了让机械臂更加智能化和科技化，通过赋予其双目视觉感知模块和智能控制系统，对机械臂智能抓取控制进行研究。采用HSR-Co605协作机械臂，基于双目视觉相机在ROS系统进行仿真建模、运动规划、障碍物规避等试验；在复杂环境下实现了机器人双目视觉模块自主识别定位物体，同时对周围障碍物进行避障规划，实现机械臂自主运动规划及智能抓取操作。在不同场景下进行了智能抓取试验，并对其试验结果进行了分析，为后续机械臂能更好地适应复杂的工作环境以及产业化发展提供参考。     

基于双目视觉的水下焊缝图像采集与识别

文章根据水下焊缝跟踪的要求,设计了一套双目立体视觉传感器。采用卤钨灯辅助光源加复合滤光系统,较好的去除了弧光、飞溅等干扰,拍摄到较为清晰的焊缝图像。针对水下焊缝图像模糊,对比度低的特点,采用模糊增强的图像处理技术,并对Pal处理算法进行了改进,提高了图像处理的效率,获取了清晰的边缘图像．边缘检测后,对左右焊缝特征点进行扫描,准确地提取了焊缝中心。从而为水下空间缝自动化跟踪打下了基础。     

基于双目视觉识别技术的智能挖掘机器人研究

为能够在无人驾驶情况下完成各项复杂作业任务,设计和研究具有双目立体视觉系统的智能挖掘机器人.该挖掘机器人可实时捕获机身周围的图像信息、求取对象物特征点的立体坐标,并根据计算结果自行规划并控制执行单元完成作业任务.通过实验验证,该挖掘机器人满足现场作业的精度要求和环境要求,可有效提高作业质量,减轻劳动强度,提高生产效率.为工程机械的自动化、智能化提供了新的解决方案,具有重要的社会经济效益.     

基于双目视觉的绳驱动飞行机械臂目标识别与抓取

为提高面向飞行机械臂平台的目标姿态估计的精度,为飞行机械臂配备双目视觉系统,对绳驱动机械臂和双目相机进行系统建模,利用Camshift算法对目标进行实时追踪,结合目标的几何特征提出一种轻量化的目标姿态估计算法,可用于飞行平台的实时目标追踪与姿态估计并进行飞行机械臂抓取实验。实验证明：该姿态估计算法对于目标追踪和姿态估计具有较好精度,可以实现抓取作业。     

基于双目视觉的汽车生产线零件实时识别方法

对汽车生产线零件识别可以保证零件的质量,不同的光照强度给汽车生产线零件的实时识别带来了一定难度。为此提出一种利用双目视觉对汽车生产线零件实时识别方法。根据双目视觉的基本原理,计算出像素匹配点在双目摄像机坐标系中的坐标,完成零件图像采集摄像机的标定。根据双目视觉模型采集到的汽车生产线零件图像,利用平均值的求解方法计算零件图像R、G、B 3个分量的均值。通过均衡化处理,获得灰度级零件图像,结合滤波方法处理汽车生产线零件图像。通过计算模板与汽车生产线零件图像的灰度值,设计汽车生产线零件识别算法,实现汽车生产线零件的识别。实验结果表明：基于双目视觉的汽车生产线零件实时识别方法可以成功识别汽车生产线零件,同时降低了误识率。     

基于双目视觉的工件空间定位方法研究

本文基于双目视觉原理,设计实现了一种对特定工件空间定位方法。首先对双目视觉系统进行标定,根据标定结果进行图像矫正,使用基于区域的立体匹配算法求取视差图,结合特征点对应视差值和标定结果对图像进行三维重构,获得工件表面的高度位置信息;根据工件特征,通过拟合获得的工件一组同轴圆的圆心三维坐标,确定工件在摄像机坐标系下的位置和姿态,实现工件的空间定位。     

基于双目视觉的工程车辆定位与行驶速度检测

针对工程车辆行驶速度低、滑转率高的特点,提出了一种基于双目序列图像的检测方法,以便快速检测工程车辆的相对位置与实际行驶速度。将双目摄像机安装在车辆上,连续采集周围环境的序列图像;利用SURF(speeded up robust features)特征对已采集到的各帧双目图像进行立体匹配,计算出环境特征点到摄像机坐标系原点的距离,从而实现车辆的相对定位;再对相邻两帧图像进行特征跟踪匹配,根据不同景深将匹配特征点对划分为远距点对和近距点对,分别利用远距点对和近距点对估算车辆运动过程中坐标系的旋转矩阵和平移矢量,并利用Levenberg-Marquardt法进行优化求解;最后根据优化后的旋转矩阵和平移矢量计算出车辆的行驶速度。户外模拟试验结果表明了方法的有效性和可行性。     

机械手姿态识别的立体视觉匹配

为了提高机械手姿态识别的精度,提出了区域边缘线段立体匹配算法。该算法利用图像中包含边缘线段区域的颜色特性和边缘线段的几何特征进行线段匹配,其中,区域的颜色特征包括边缘线段的左右颜色和梯度方向,边缘线段的几何特征包括长度、方向和角度。由于充分利用了图像提供的颜色信息,特别是颜色梯度方向信息,使得边缘线段的匹配不仅依靠其自身的几何特征(如长度,方向和位置),而且依靠直线段所在图像区域的所有信息。因此,匹配的判据可以做得更准确。使用该算法进行机械手姿态识别实验,结果验证了该算法能够在复杂背景下识别机械手的姿态,识别精度高,其相对误差达到1.7%,该结果满足机械手在姿态识别中的精度要求。     

基于双目视觉的目标定位系统设计

基于双目视觉原理进行目标定位可以得到目标的深度信息。本文对双目视觉关键技术中的摄像机标定和立体匹配进行深入研究,采用改进的平面标定法和基于外极线约束和灰度相关性的立体匹配算法。搭建双目视觉系统实验平台,编制目标定位程序。实验结果验证本文方法的准确性。     

基于双目视觉和约束条件的行人目标定位

针对行人检测中计算量大、训练分类器耗时和无法满足实时性要求等问题,提出了一种基于双目视觉的行人目标定位方法。该方法利用图像处理技术获取候选轮廓,将轮廓的几何特征作为约束条件来筛选候选轮廓;利用双目视觉获取轮廓的深度信息后,将深度信息作为约束条件对候选轮廓进行进一步筛选。通过深度信息和几何信息的共同约束,识别出行人的头部轮廓,从而实现对行人目标的定位。实验结果表明,该方法减小了计算量,提高了检测精度。     

基于双目视觉技术的磨粒高度检测

鉴于传统砂轮地貌检测方法所存在的缺陷，提出了一种基于双目图像的磨粒高度检测方法。该方法采用灰度模板匹配算法，通过优化模板尺寸，可以获得较高的匹配率。通过对各种尺寸的模板进行试验研究，得出优化的模板尺寸。使用优化模板对标准试件进行匹配，并对其高度进行估算，试验结果表明，估算误差小于5％。     

环形焊缝的双目视觉定位与跟踪研究

为有效解决非标罐体的环形焊缝识别问题,设计了 一种基于被动双目视觉的环形焊缝定位与跟踪系统.首先改善左右相机采集到图像的图像质量,运用基于霍夫变换实现动态提取感兴趣区域(Region of interest,ROI).然后经图像处理去噪,采用基于二值矩阵去除预焊点的方法来去除预焊点对焊缝识别的干扰,运用最小二乘法补全焊...     

基于双目视觉的运动目标检测跟踪与定位

为克服传统目标检测跟踪方法无法对目标准确定位,以及在复杂环境下容易受光照、阴影等因素干扰的问题,提出了基于双目视觉的目标检测跟踪与定位方法。首先使用Matlab标定工具箱和OpenCV进行摄像机标定和图像校正,然后利用基于双目视觉的背景差分法实现目标检测,结合基于Kalman滤波的改进Camshift算法实现目标跟踪,最后利用视差图得到目标三维信息,从而实现目标定位。实验结果表明,所提方法能够实时跟踪运动目标并实现目标的准确定位。     

视觉机器人的零件识别与抓取方法研究

为了满足视觉机器人能够精准抓取平面零件的需求,提出一种加入深度学习算法的零件识别与定位方法。首先,利用YOLOv4-tiny目标检测算法对目标物体进行识别,并提取出感兴趣区域（Region of Interest,ROI）送入PSPnet语义分割网络中进一步提取ROI。然后,将ROI区域进行亚像素级的模板匹配,并计算目标物体的深度信息。在目标物体中心坐标求解中,以ROI区域的最大内接圆的圆心作为目标物体的中心。最后,利用D-H法对机器人进行运动学解算,并进行抓取试验。实验结果表明：该方法的深度误差率大约为0.72%,视觉机器人抓取零件成功率达到91%,具有较高的定位精度和抓取成功率,可以满足实际工业分拣搬运需求。     

基于双目立体视觉的深度信息测量

介绍了双目立体视觉三角测距原理和视觉测量系统,双目摄像机拍摄彩色图像,提取颜色、轮廓、纹理等识别特征用于目标区域识别。采用区域匹配算法获得视差图,根据视差计算目标区域的三维坐标信息。完成了目标测量实验并对实验结果进行分析。     

基于双目视觉的目标识别与定位研究

针对机器人在作业时缺乏自主性与智能性的问题,对基于双目视觉的空间目标识别与定位问题进行了研究。搭建了双目立体视觉系统并对其进行了标定,获取了两相机的内外参数、相对位姿及畸变系数。采用基于描述子的模板匹配技术,通过随机树算法对检测到的特征点进行了准确实时地分类识别。对同一场景的两幅图像进行了立体匹配,求取了对应的视差图。结合特征点对应的视差值及标定结果对其进行了三维重建,对多组特征点对在图像及实际场景里对应的2D-3D位置信息进行了迭代,求取了重投影误差最小的解,即目标物体的位姿。研究结果表明:所采用的方法可以用于准确、快速、稳定地实现对目标的识别与定位。     

可见光通信与双目视觉的室内定位

提出一种基于可见光通信与双目视觉测量的高精度室内定位方法,旨在为室内移动机器人提供一种精度高、成本低、不易受干扰的室内定位方案。该方法利用双目视觉传感器对LED光源进行成像测量,利用惯性测量单元传感器记录成像测量的三维姿态角,并通过可见光通信技术获取LED光源的坐标信息,最终计算双目视觉传感器相对于LED光源的三维坐标。根据该方法研制了一款基于可见光通信与成像的定位模块,该模块可以利用单个或两个LED光源进行成像定位。当定位模块采用1280×720分辨率的图像时,在2 m×2 m×3 m室内环境中可实现厘米级移动定位,定位频率大于5 Hz;当利用两个相距60 cm的LED光源进行定位时,在三维方向上的定位误差均小于5 cm,同时能够提供小于1.4°的定向纠正。该方法可以为室内移动机器人提供厘米级定位导航服务。