The invention discloses a detection method of the sport at the end of parallel mechanism of binocular vision based pose first, the parallel mechanism of image wavelet transform image denoising based on pretreatment; then, using Harris SIFT algorithm for feature matching of image parallel mechanism. The matching algorithm of the Harris operator image feature point extraction, feature point matching of Harris operator to extract the SIFT feature descriptor; then, put forward a new algorithm of purification purification purification method of the matching result, algorithm by block access point and point checking in advance to take temporary model; finally, the after the end of the parallel mechanism, purification of feature points into the binocular vision model, obtained by coordinate transformation mechanism end 3D pose. The invention can greatly reduce the processing time, the other by the proposed new algorithm for purification purification of the matching results, further improve the matching accuracy, thus making the parallel mechanism of end pose accuracy and real-time performance are improved.
【技术实现步骤摘要】
一种基于双目视觉的并联机构末端运动位姿检测方法
本专利技术涉及基于机器视觉的位姿检测系统,尤其涉及基于双目视觉、针对并联机构末端运动位姿的检测方法。
技术介绍
在并联机构控制中,末端运动位姿是反映机构运动状态的重要参数,精确测得机构的末端运动位姿可有效避免通过运动学模型解算所带来的误差,这将利于实现并联机构的高性能控制。相对于其它检测手段,机器视觉具有非接触、适用性强、高性价比等优点,尤其适用于具有运动多自由度、运动轨迹复杂、难以直接检测的并联机构末端运动位姿检测。视觉位姿检测系统通常可分为单目、双目以及多目检测系统。由于双目视觉算法的鲁棒性和精确性优于单目算法,而其算法的实时性相对于多目视觉又具有较大的优势,因此,双目视觉得到了较为广泛的应用。对于并联机构的末端运动位姿检测问题,采用基于双目视觉检测方法的难点在于如何将视觉系统采集到的并联机构图像经过图像处理后快速而精确地获取该机构的末端位姿信息。在双目视觉位姿检测过程中,立体匹配过程最为重要,匹配的速度与精度直接决定整个位姿检测系统的速度与精度,但由于双目视觉算法复杂,光照变化、背景反光、噪声干扰等外界因素会引起双目视觉系统的图像匹配难以精确实现,导致视觉检测系统的速度和精度受到影响。文献《一种新型的并联机器人位姿立体视觉检测系统》(吴迪飞,丁永生等.计算机工程与应用,2007,43(33):190-192)建立了一种基于尺度不变特征变换(SIFT)的双目视觉检测系统对并联机器人进行位姿检测,并用仿真实验证明了该检测算法的鲁棒性和可行性,但由于该检测系统匹配过程所采用的SIFT算法会产生大量维数较大的特 ...
【技术保护点】
一种基于双目视觉的并联机构末端运动位姿检测方法,其特征是,包括如下步骤:步骤1)利用双目相机采集并联机构的原始图像,并对采集到的机构图像进行基于小波变换的图像去噪预处理;步骤2)采用基于Harris算子的角点提取法对机构图像特征进行提取;步骤3)采用Harris‑SIFT算法对并联机构图像进行特征匹配;该匹配算法首先通过Harris算子提取图像特征点,再利用SIFT特征描述子对Harris算子提取出的特征点进行匹配;步骤4)针对Harris‑SIFT算法存在错误匹配和误差匹配的问题,采用新的提纯算法对匹配结果做进一步提纯处理:通过分块取点和提前取点验算临时模型改进提纯算法,其中,分块取点:采取图像分块且每个块中随机取一个匹配点的方式;提前取点验算临时模型:随机选取9个匹配对,用8个匹配求出临时模型参数,而第9个匹配对用来验证临时模型的正确性,以此快速确定图像模型;步骤5)根据双目视觉原理,通过前期图像处理提取到的末端特征点计算出该末端特征点的三维坐标,并计算出并联机构末端姿态角,最终获得该并联机构末端位姿信息。
【技术特征摘要】
1.一种基于双目视觉的并联机构末端运动位姿检测方法,其特征是,包括如下步骤:步骤1)利用双目相机采集并联机构的原始图像,并对采集到的机构图像进行基于小波变换的图像去噪预处理;步骤2)采用基于Harris算子的角点提取法对机构图像特征进行提取;步骤3)采用Harris-SIFT算法对并联机构图像进行特征匹配;该匹配算法首先通过Harris算子提取图像特征点,再利用SIFT特征描述子对Harris算子提取出的特征点进行匹配;步骤4)针对Harris-SIFT算法存在错误匹配和误差匹配的问题,采用新的提纯算法对匹配结果做进一步提纯处理:通过分块取点和提前取点验算临时模型改进提纯算法,其中,分块取点:采取图像分块且每个块中随机取一个匹配点的方式;提前取点验算临时模型:随机选取9个匹配对,用8个匹配求出临时模型参数,而第9个匹配对用来验证临时模型的正确性,以此快速确定图像模型;步骤5)根据双目视觉原理,通过前期图像处理提取到的末端特征点计算出该末端特征点的三维坐标,并计算出并联机构末端姿态角,最终获得该并联机构末端位姿信息。2.根据权利要求1所述的一种基于双目视觉的并联机构末端运动位姿检测方法,其特征是:所述步骤2)中,Harris算子的角点提取法可直接调用OpenCV库函数实现,在Harris特征点检测中,像素点的二阶矩可表示为:式中Ix、Iy表示像素点的灰度在x和y方向的梯度;Ixy为二阶混合偏导;像素点的Harris响应函数为:R=detM-k(traceM)2其中detM为矩阵M的行列式,traceM为矩阵M的真迹;k为经验常数,通常取值范围0.04~0.06;设定阈值t,根据上述Harris算子计算响应值R,若R<t,则该点为特征点。3.根据权利要求1所述的一种基于双目视觉的并联机构末端运动位姿检测方法,其特征是:所述步骤4)中,所述提纯算法通过一组包含异常点的数据集,计算出匹配点对的目标模型,再利用剩余点来检验模型,从而得到有效数据样本;具体步骤如下:4.1)根据第一幅图中匹配点的坐标边界将图片平均分成b×b块,其中,b>3,随机选取9个互不相同的块且每个块中随机选取一个匹配点,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。