基于圖像匹配技術(shù)的輪轂定位方法-(5675)

《基于圖像匹配技術(shù)的輪轂定位方法-(5675)》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、4基于特征點(diǎn)匹配的輪轂定位方法???????????????????364．1問題描述??????????????????????????．364．2輪轂特征點(diǎn)提取???????????????????????．374．3輪轂特征點(diǎn)匹配???????????????????????．394．3．1基于Best-Bin-First算法的特征點(diǎn)搜索????????????394．3．2剔除誤匹配點(diǎn)及求解空間映射關(guān)系?????????????4l4．4輪轂圓心和氣嘴定位?????????????????????．424．5實(shí)驗(yàn)結(jié)果與分析???

2、????????????????????．444．6本章小結(jié)??????????????????????????．475總結(jié)與展望????????????????????????????48參考文獻(xiàn)?????????????????????????????49攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況??????????????????．．52致謝????????????????????????????????????????。53大連理工大學(xué)學(xué)位論文版權(quán)使用授權(quán)書?????????????????．．54大連理工大學(xué)碩士學(xué)位論文1緒論1．1課題

3、背景及研究意義隨著人工智能技術(shù)的發(fā)展，工業(yè)機(jī)器人廣泛地應(yīng)用于現(xiàn)代工業(yè)生產(chǎn)領(lǐng)域。在工廠生產(chǎn)線上，機(jī)器人代替人工進(jìn)行工件抓取與搬運(yùn)，可以增加工作時(shí)長，提高工作效率，顯著提高生產(chǎn)力；在焊接行業(yè)中，相比人工控制的機(jī)器，環(huán)縫焊接機(jī)械人可以提升工藝技術(shù)，提高產(chǎn)品質(zhì)量；在工業(yè)噴漆、高粉塵環(huán)境甚至在核輻射環(huán)境下長時(shí)間工作，會嚴(yán)重影響工作人員的健康，甚至?xí)霈F(xiàn)很多職業(yè)病，而使用工業(yè)機(jī)器人則可以避免這樣的問題。機(jī)器人除了可以適應(yīng)危險(xiǎn)的工作環(huán)境外，還可以從事繁瑣的重復(fù)性工作。因此，機(jī)器人已經(jīng)逐漸成為工業(yè)生產(chǎn)領(lǐng)域的主力軍。在傳統(tǒng)的自動化生產(chǎn)過程中，大多是先對機(jī)

4、器人進(jìn)行離線示教，再通過編程控制，這種模式下的機(jī)器人只能按預(yù)定的方式完成一些特定的動作，缺乏主動感知工作環(huán)境的變化并隨機(jī)應(yīng)變的能力。人們將機(jī)器視覺技術(shù)應(yīng)用于自動化生產(chǎn)中，即通過攝像頭實(shí)時(shí)采集實(shí)際工作環(huán)境圖像，用計(jì)算機(jī)模擬人類進(jìn)行圖像分析、處理，并根據(jù)結(jié)果來控制工業(yè)機(jī)器人做出反應(yīng)動作，提高了機(jī)器人的智能感知能力和適應(yīng)性。工件分類和定位是機(jī)器視覺的一個重要組成部分，它能夠減少人為因素對自動化生產(chǎn)的干擾，提高加工精度和生產(chǎn)效率。很多工件在加工的不同工序之間需要搬運(yùn)和傳輸，即上料和下料的工作，這需要工業(yè)機(jī)器人透過機(jī)器視覺系統(tǒng)，利用實(shí)時(shí)分析得到的

5、定位信息來抓取和傳送加工工件。在此過程中，如何識別不同的工件并進(jìn)行準(zhǔn)確的抓取和放置是此環(huán)節(jié)中的關(guān)鍵問題。工業(yè)機(jī)器人在不同的應(yīng)用環(huán)境對抓取的精度有不同的要求，如簡單工件分揀，只需要簡單抓取即可，而對于復(fù)雜應(yīng)用環(huán)境，則對抓取姿勢和位置有嚴(yán)格要求，其精確度也會直接影響到后續(xù)的加工質(zhì)量。1．2國內(nèi)外研究歷程和發(fā)展現(xiàn)狀1。2。1基于灰度信息的圖像匹配基于灰度信息的圖像匹配直接利用圖像本身的灰度信息來度量圖像的相似程度。這類算法實(shí)現(xiàn)比較簡單，但計(jì)算量很大。Lcese于1971年提出了增強(qiáng)型平均誤差0Ⅲ山，MinimumAbsoluteDiffere

6、nce)算法，該算法利用圖像全部的灰度信息，以灰度絕對值差為準(zhǔn)則，遍歷圖像來最匹配區(qū)域方法。該算法簡單、直接，但是運(yùn)算量大，魯棒性較差。研究人員主要從搜索策略和相似性度量兩個方面進(jìn)行了改進(jìn)。在搜索策略方面，Bamea等提出了序貫相似性檢測算法(Sequentialsimilaritydetectionalgorithm，SSAD)，采用序列搜索的策略，顯著提高了運(yùn)算效率ll】。Wong掣2】結(jié)合圖像金字塔模型，提出由低分辨率圖像向高分辨率圖像分層搜索的方法，提高了搜索效率。Rosenfeld提出的用互相關(guān)信息表征圖像之間的匹配程度，并且

7、通過歸一化互相關(guān)函數(shù)降低減少灰度變化和噪聲的影響[31。這種思想廣泛地應(yīng)用到了后續(xù)的圖像匹配算法中。Viola等把信息論中的相似性準(zhǔn)則——互信息引入圖像匹配的領(lǐng)域【4】，并且用互信息表征圖像之間的相似性。該算法用互信息量表征兩幅圖像的統(tǒng)計(jì)依賴性，指出當(dāng)圖像匹配時(shí)，它們的互信息值最大。Flussr等【5】也提出了形變的圖像間的自適應(yīng)的映射方法，將兩幅圖像分割成若干子塊，尋找兩幅圖像中相似度很大子塊，根據(jù)這些子塊的相對位置關(guān)系來匹配出目標(biāo)。Uenohara等f6】貝0是采集大量的模板圖片，提取這些圖像的相似性特征，即通過增加先驗(yàn)信息的方法，

8、在不太影響算法精確度的同時(shí)降低了算法復(fù)雜度。另外，由于將圖像變換到頻域可以減少噪聲和光照的影響，研究人員對基于變換域的圖像匹配方法做了深入的研究。Kuglin和Hines提出相位相關(guān)法171，利用傅立葉變換