一种识别性能优良的机器人视觉系统技术方案

本发明专利技术提供了一种识别性能优良的机器人视觉系统，包括图像采集模块、图像预处理模块、特征提取模块、图像识别模块和识别评价模块，所述图像采集模块用于通过摄像头对图像进行采集，所述图像预处理模块用于对采集的图像进行预处理，所述特征提取模块用于对预处理后的图像特征进行提取，得到目标特征向量，所述图像识别模块根据目标特征向量和目标模板进行匹配，对目标进行识别，所述识别评价模块用于对图像识别模块的识别性能进行评价。本发明专利技术的有益效果为：实现了机器人对目标的识别和识别性能的评价。

【技术实现步骤摘要】
一种识别性能优良的机器人视觉系统
本专利技术涉及机器人
，具体涉及一种识别性能优良的机器人视觉系统。
技术介绍
机器视觉作为获得环境信息的主要手段之一，可以增加工业机器人的自主能力，提高其灵活性。工业机器人通过视觉如何根据所获取的图像信息，正确地、实时地提取出工件特征参数并判断出工件所处的位置，是机器视觉应用于工业领域的关键技术之一。图像识别的方法很多，大体上可以归纳为统计图像识别、结构图像识别、模糊集图像识别、图像匹配识别。图像匹配是其中最有代表性、应用最为广泛的方法，其在运动目标跟踪、遥感图像识别、机器人视觉等领域都已得到了应用，但现有的识别方法识别性能差，无法进行有效识别。
技术实现思路
针对上述问题，本专利技术旨在提供一种识别性能优良的机器人视觉系统。本专利技术的目的采用以下技术方案来实现：提供了一种识别性能优良的机器人视觉系统，包括图像采集模块、图像预处理模块、特征提取模块、图像识别模块和识别评价模块，所述图像采集模块用于通过摄像头对图像进行采集，所述图像预处理模块用于对采集的图像进行预处理，所述特征提取模块用于对预处理后的图像特征进行提取，得到目标特征向量，所述图像识别模块根据目标特征向量和目标模板进行匹配，对目标进行识别，所述识别评价模块用于对图像识别模块的识别性能进行评价。本专利技术的有益效果为：实现了机器人对目标的识别和识别性能的评价。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本专利技术的结构示意图；附图标记：图像采集模块1、图像预处理模块2、特征提取模块3、图像识别模块4、识别评价模块5。具体实施方式结合以下实施例对本专利技术作进一步描述。参见图1，本实施例的一种识别性能优良的机器人视觉系统，包括图像采集模块1、图像预处理模块2、特征提取模块3、图像识别模块4和识别评价模块5，所述图像采集模块1用于通过摄像头对图像进行采集，所述图像预处理模块2用于对采集的图像进行预处理，所述特征提取模块3用于对预处理后的图像特征进行提取，得到目标特征向量，所述图像识别模块4根据目标特征向量和目标模板进行匹配，对目标进行识别，所述识别评价模块5用于对图像识别模块4的识别性能进行评价。本实施例实现了机器人对目标的识别和识别性能的评价。优选的，所述图像预处理模块2包括第一目标分割子模块和第二预处理子模块，所述第一目标分割子模块采用Canny算子对图像中目标的外边缘进行提取，将图像中多个目标分割成单一目标图像，所述第二预处理子模块对单一目标图像进行灰度变换和滤波处理。由于不同目标之间差别，本优选实施例第一目标分割子模块将图像中的多目标分割成多个单一目标，对每个目标图像进行预处理，便于后续提取不同目标特征；由于在图像采集过程中,不可避免地受到各种干扰而混入随机噪声，本优选实施例第二预处理子模块对图像进行灰度化和滤波处理，有助于减少识别误差，更好地保持目标的边缘信息。优选的，所述特征提取模块3包括第一特征提取子模块、第二特征提取子模块和特征向量生成子模块，所述第一特征提取子模块用于提取目标的第一特征，所述第二特征提取子模块用于提取目标的第二特征，所述特征向量生成子模块根据第一特征和第二特征生成目标的特征向量。所述第一特征提取子模块用于提取目标的第一特征，具体为：提取目标的内外边缘，得到目标外轮廓像素和各内轮廓像素的坐标，目标的第一特征为：T1＝[W,N1,…,NL]上述式子中，T1表示目标的第一特征，W表示目标外轮廓的特征值，Nl(l＝1,2,…,L)表示目标第l个内轮廓的特征值，L表示目标的内轮廓的个数；所述目标外轮廓的特征值通过以下方式获取：对图像进行二值化处理，将外轮廓像素灰度值记为1，其余位置像素灰度值记为0；计算目标外轮廓的特征值W：上述式子中，I(i,j)表示像素点位置为(i,j)的灰度值，n和m分别表示目标图像的宽和高，表示目标外轮廓像素个数；所述目标外轮廓的特征值通过以下方式获取：对图像进行二值化处理，将目标第l个内轮廓的像素灰度值记为1，其余位置像素灰度值记为0；计算目标第l个内轮廓的特征值Nl：所述第二特征提取子模块用于提取目标的第二特征，具体为：提取目标的外边缘，得到目标的外轮廓包含区域的像素，对图像进行二值化处理，将外轮廓包含区域的像素灰度值记为1，其余位置像素灰度值记为0，计算目标的第二特征值：上述式子中，T2表示目标的第二特征；所述特征向量生成子模块根据第一特征和第二特征生成目标的特征向量，具体为：将目标的第一特征和第二特征构成特征向量：T＝[T1,T2]，上述式子中，T表示目标的特征向量。本优选实施例通过特征提取模块对目标特征进行提取，为后续目标匹配和识别奠定了基础，通过建立目标的特征向量，能够对目标进行更为准确的识别，具体的，第一特征充分考虑了目标的外轮廓和内轮廓，第二特征充分考虑了外轮廓内整体像素，目标特征向量综合了第一特征和第二特征，得到了更为完整的目标特征。优选的，所述识别评价模块5包括第一评价子模块、第二评价子模块和综合评价子模块，所述第一评价子模块用于获取识别性能的第一评价值，所述第二评价子模块用于获取识别性能的第二评价值，所述综合评价子模块用于根据第一评价值和第二评价值对目标识别性能进行综合评价；所述第一评价子模块用于获取识别性能的第一评价值，具体为：上述式子中，S1表示第一评价值，A表示图像中包含的目标数目，A1表示能够识别的目标个数，A2表示正确识别的目标个数；所述第二评价子模块用于获取识别性能的第二评价值，具体为：上述式子中，S2表示第二评价值，B表示待识别的图像数目，B1表示的第一评价值大于设定阈值的图像数目；所述综合评价子模块用于根据第一评价值和第二评价值对目标识别性能进行综合评价，具体为：计算综合评价因子：上述式子中，S表示综合评价因子；综合评价因子越大，表示目标识别性能越好。本优选实施例通过识别评价模块实现了图像识别模块识别性能的评价，保证了目标识别水平，具体的，第一评价值考虑了目标的识别准确性，第二评价值考虑了目标的识别稳定性，目标识别的通过第一评价值和第二评价值计算综合评价因子，能够综合反映识别性能。采用本专利技术识别性能优良的机器人视觉系统对目标进行识别，选取5个待识别目标进行实验，分别为待识别目标1、待识别目标2、待识别目标3、待识别目标4、待识别目标5，对识别效率和识别准确性进行统计，同现有机器人视觉系统相比，产生的有益效果如下表所示：识别效率提高识别准确性提高待识别目标129％27％待识别目标227％26％待识别目标326％26％待识别目标425％24％待识别目标524％22％最后应当说明的是，以上实施例仅用以说明本专利技术的技术方案，而非对本专利技术保护范围的限制，尽管参照较佳实施例对本专利技术作了详细地说明，本领域的普通技术人员应当理解，可以对本专利技术的技术方案进行修改或者等同替换，而不脱离本专利技术技术方案的实质和范围。本文档来自技高网...

【技术保护点】
一种识别性能优良的机器人视觉系统，其特征在于，包括图像采集模块、图像预处理模块、特征提取模块、图像识别模块和识别评价模块，所述图像采集模块用于通过摄像头对图像进行采集，所述图像预处理模块用于对采集的图像进行预处理，所述特征提取模块用于对预处理后的图像特征进行提取，得到目标特征向量，所述图像识别模块根据目标特征向量和目标模板进行匹配，对目标进行识别，所述识别评价模块用于对图像识别模块的识别性能进行评价。

【技术特征摘要】
1.一种识别性能优良的机器人视觉系统，其特征在于，包括图像采集模块、图像预处理模块、特征提取模块、图像识别模块和识别评价模块，所述图像采集模块用于通过摄像头对图像进行采集，所述图像预处理模块用于对采集的图像进行预处理，所述特征提取模块用于对预处理后的图像特征进行提取，得到目标特征向量，所述图像识别模块根据目标特征向量和目标模板进行匹配，对目标进行识别，所述识别评价模块用于对图像识别模块的识别性能进行评价。2.根据权利要求1所述的识别性能优良的机器人视觉系统，其特征在于，所述图像预处理模块包括第一目标分割子模块和第二预处理子模块，所述第一目标分割子模块采用Canny算子对图像中目标的外边缘进行提取，将图像中多个目标分割成单一目标图像，所述第二预处理子模块对单一目标图像进行灰度变换和滤波处理。3.根据权利要求2所述的识别性能优良的机器人视觉系统，其特征在于，所述特征提取模块包括第一特征提取子模块、第二特征提取子模块和特征向量生成子模块，所述第一特征提取子模块用于提取目标的第一特征，所述第二特征提取子模块用于提取目标的第二特征，所述特征向量生成子模块根据第一特征和第二特征生成目标的特征向量。4.根据权利要求3所述的识别性能优良的机器人视觉系统，其特征在于，所述第一特征提取子模块用于提取目标的第一特征，具体为：提取目标的内外边缘，得到目标外轮廓像素和各内轮廓像素的坐标，目标的第一特征为：T1＝[W,N1,…,NL]上述式子中，T1表示目标的第一特征，W表示目标外轮廓的特征值，Nl(l＝1,2,…,L)表示目标第l个内轮廓的特征值，L表示目标的内轮廓的个数；所述目标外轮廓的特征值通过以下方式获取：对图像进行二值化处理，将外轮廓像素灰度值记为1，其余位置像素灰度值记为0；计算目标外轮廓的特征值W：上述式子中，I(i,j)表示像素点位置为(i,j)的灰度值，n和m分别表示目标图像的宽和高，表示目标外轮廓像素个数；所述目标外轮廓的特征值通过以下方式获取：对图像进行二值化处理，将目标第l个内轮廓的像素灰度值记为1，其余位置像素灰度值记为0；计算目标第l个内轮廓的特征值Nl：

【专利技术属性】
技术研发人员：梁金凤，
申请(专利权)人：梁金凤，
类型：发明
国别省市：广西,45