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。     

基于双目视觉的工件尺寸在机三维测量

由于传统测量方法及仪器设备无法满足在机实时检测工件三维尺寸的要求,本文基于双目立体视觉视差原理,搭建了一套可在车间现场操作的在机测量工件三维尺寸的视觉系统.首先,介绍了改进的基于平面圆靶标的双目视觉测量系统标定方法.然后,用阈值分割算法从背景中识别出待测工件,采用Canny算子和多边形逼近法提取工件轮廓和轮廓关键特征点,并在极线约束的特征点匹配算法基础上,提出一种基于灰度相关的密集型精匹配算法,获得了工件边缘轮廓关键特征点云的三维坐标数据.最后,对匹配所得特征点云进行数据处理和特征拟合计算,得到了工件的关键尺寸.在车间数控机床上对有斜面及孔结构的工件进行了在机测量实验,结果显示,该系统检测精度达±1.3％以上.     

基于3D视觉的散乱堆放工件机器人抓取技术研究

自动化生产线上工件的上下料,尤其是工件处于散乱堆放的情形下,其自动上料一直是一个尚未很好解决的难题.利用机器视觉二维、三维测量及信息融合的方法,采用双目立体视觉的技术,对散乱堆放状态下的工件进行二维、三维测量,获取堆放状态下工件的三维点云数据;再通过对整个三维点云数据的分割,获得属于注意力集中条件下单个工件可见部分的三...     

平面工件的识别与定位方法研究

视觉技术在工业生产中得到了越来越广泛的应用,对提高生产效率,达到生产智能化的目的起着至关重要的作用。以工业机器人实现工件分拣为背景,提出一种基于区域划分的平面工件识别与定位方法,该方法先利用LSD(Line Segment Detector)进行直线段的提取,然后将干扰的杂线段分类进行剔除,在保留的轮廓线段基础上进行直线段的连接和区域划分,最后利用各个区域的形状特征向量和模板的形状特征向量进行比对,以完成工件的识别和定位。实验结果表明,提出的算法能有效的识别和定位工件。     

采用立体视觉的子孔径拼接测量工件定位

为了实现大口径光学元件的子孔径拼接干涉测量,提出了采用立体视觉进行光学元件位姿测量的方法,建立了基于双目视觉的子孔径拼接测量系统,对该系统的数学模型、测量原理以及基于四元数法的位姿变换矩阵求取方法进行了研究。首先,介绍了圆形子孔径拼接干涉测量的原理,并基于齐次坐标变换分析了其对工件定位的要求,接着引入了立体视觉辅助测量系统,建立了其通用测量模型,利用双目视觉获取不同子孔径测量时与工件刚性连接的特征点的三维全局坐标,在完成全部子孔径测量后利用四元数法求取各子孔径相对于全局坐标系的转换矩阵,然后利用优化拼接算法将各子孔径数据统一到全局坐标系下,完成大口径光学元件的全局测量。最后利用该系统实现了对口径为150mm平面和100mm球面的检测。实验结果证明,在本系统中,立体视觉系统平移定位精度优于0.1mm,转动测量精度优于0.01度,能够给优化拼接算法提供一个有效的初始值,且该方法能够快速给出各子孔径间的相对坐标变换且在其视场范围内不产生误差累积,方法简单实用,稳定可靠。     

双目立体视觉测量方法研究

提出了一种简易快速的特征点提取算子，并与经典算法作了实验对比，证实了所提算法简单、有效、可靠，对外界光照条件具有较强的适应性，且抗干扰能力强。在进行特征点匹配时，在现有约束条件的基础上，提出了基于被测物体形态与摄像机相对位置的视差范围约束，根据视差方向性并采用动态搜索方法来缩小匹配点的搜索范围，从而提高了搜索速度，降低了错误匹配概率。通过对具有已知三维坐标标准件的计算机仿真实验，证实了所提出的特征点识别与提取及匹配方法是切实有效的。     

基于边缘和区域联合匹配的立体视觉新方法

从二维图像恢复三维信息的立体视觉研究已经出现了许多基于边缘和基于区域的方法,但对硬件的要求制约着它们的实用性.本文提出了一种对边缘和区域进行联合匹配的算法,采用边缘信息进行粗糙匹配以提高处理速度,得到一系列匹配的可能位置作为精确匹配的初始值域;采用区域图像进行精确匹配,以得到更多的细节信息,而且其平均效应会减小高频噪声对运算的影响.建立的实验系统采用奔腾133CPU、16兆内存、商用标准CCD和采集卡,软件用VC6.0编制.模拟实验表明,系统运行正常,适应性良好.     

采用立体视觉实现子孔径拼接测量的工件定位

为了实现大口径光学元件的子孔径拼接干涉测量,提出了采用立体视觉进行光学元件位姿测量的方法,建立了基于双目视觉的子孔径拼接测量系统。介绍了圆形子孔径拼接干涉测量的原理,基于齐次坐标变换分析了其对工件定位的要求;引入了立体视觉辅助测量系统,建立了通用测量模型,利用双目视觉获取不同子孔径测量时与工件刚性连接的特征点的三维全局坐标,在完成全部子孔径测量后利用四元数法求取各子孔径相对于全局坐标系的转换矩阵,然后利用优化拼接算法将各子孔径数据统一到全局坐标系下,完成大口径光学元件的全局测量。最后利用该系统实现了对口径为150mm平面和100mm球面的检测。实验结果证明,在本系统中,立体视觉系统平移定位精度优于0.1mm,转动测量精度优于0.01°,可为优化拼接算法提供一个有效的初始值,该方法能够快速给出各子孔径间的相对坐标变换且不产生误差累积方法简单且可靠。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

基于嵌入式的智能视觉伺服系统的研发

建立了一个基于嵌入式的智能视觉伺服系统,用于工业机器人对零件工位的精确定位。采用基于区域的匹配和形状特征识别相结合的图像处理方法,该方法经过阈值和形状判据,识别出物体特征;基于组件思想的软件系统具有可重构性。经实验验证,该方法能够快速准确地得到物体的边界和质心,进行数据识别和计算,再结合机器人运动学原理控制机器人实时运动以消除此误差,满足工业机器人跟踪定位的要求。     

基于立体视觉的六自由度平台位姿检测基础研究

位姿是六自由度平台的一项重要性能指标,其全方位、全行程的动态精确检测,对于六自由度平台的精确控制及广泛应用具有十分重要的意义,介绍六自由度平台,提出并着重讨论采用立体视觉对六自由度平台位姿进行检测的原理及具体步骤。实验结果表明,对于六自由度平台位姿的检测。立体视觉是一种可靠、快速、简单、可行的方法。     

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。     

基于双目立体视觉振动筛振幅的测量方法

振幅作为振动筛的重要参数之一,对于颗粒的运动能量和筛机的振动强度具有重大的影响.针对振动筛振幅的测量,文中提出一种基于双目视觉原理的振动筛振幅的测量方法.利用区域生长法去除预处理过程后图像中白色的冗余点,并分割出白色标记点区域.然后基于形态学的膨胀操作的提取连通分量的方法,获取每帧静态图像中特征标志点的亚像素中心坐标.最后,结合双目视觉立体原理将二维的像素坐标转换为三维的世界几何信息坐标.并从连续静态的序列图像中提取四组振动周期,振幅的空间运动规律均都符合振动筛的往复运动,其四组振幅之间的误差小于0.1 mm.从而达到振动筛振幅的测量目的 ,为振动筛振幅测量提供了一种新方法.     

NAO的单目视觉空间目标定位方法研究

为了实现单摄像头工作的双足机器人NAO的视觉定位,采用单目视觉技术,建立一个空间点定位模型。根据摄像机的小孔透视模型,将图像中的二维坐标通过几何关系映射为机器人坐标系中的三维坐标,实现NAO基于单目视觉技术对空间目标定位。进行了定位实验,实验结果误差在允许范围之内,验证了该定位方法的实际可行性。     

基于虚拟双目立体视觉的空间圆柱轴线测量

为了精确获取空间中圆柱的轴向向量,基于虚拟双目立体视觉设计了以摄像机坐标系为测量坐标系的被动式线结构光平移扫描测量系统.探索出基于光平面旋转相交于圆柱三维点云进而判断圆柱轴向量的计算方法,通过三维点云投影到二维图像平面分析数据避免了求三维曲率,简化了计算量.通过对柴油机缸盖表面圆孔的测量试验表明该方法具有较高精度,且方法简单.     

基于改进Census变换的图像立体匹配算法研究

针对传统的 Census 区域匹配算法过分依赖窗口中心像素信息,导致算法受到噪声干扰时匹配精度降低的问题,提出一种基于改进 Census 变换的匹配算法.采用局部像素反差值为中心像素选择的评判标准,对传统的 Census 变换进行改进,增强了窗口像素信息的利用,提高了算法对像素值突变的适应性,使算法有更好的鲁棒性;代价聚合阶段采用引导图滤波算法并结合多尺度聚合模型,增强平坦区域像素间的区分度;采用 win-take-all 算法选取最优视差值,完成视差计算;采用区域投票策略和中值滤波算法完成视差精化.利用该改进算法对 Middlebury 平台提供的标准图像进行实验,实验结果表明该算法较传统Census 算法有较好的抗噪能力和立体匹配精度.