基于形状上下文特征的定位方法技术

本发明专利技术公开了一种基于形状上下文特征的定位方法，该方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。本发明专利技术方案利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位。

Location method based on shape context feature

The invention discloses a location method based on the shape context feature, which includes: S1, image acquisition and preprocessing for the workpiece; S2, segmentation of the workpiece image by threshold segmentation to extract the contour image; S3, identifying the workpiece contour from the detected contour; S4, stereo matching on the left and right images; S5, Get the three-dimensional coordinate information of the grabbing point. The scheme uses the shape context feature detection algorithm to identify the workpiece contour in the detected contour, uses histogram to combine Harris corner points for feature generation and matching, accelerates the matching speed, has high precision, and has certain adaptability to the environment change, and can accurately locate the workpiece.

【技术实现步骤摘要】
基于形状上下文特征的定位方法
本专利技术属于机器人视觉定位领域，涉及一种基于形状上下文特征的定位方法。
技术介绍
工件识别与抓取是生产线上工业机器人的一项重要应用，而目前生产线上多数的工业机器人是通过预先示教或者离线编程的方式来控制机器人执行预定的指令动作，一旦工作环境或目标对象发生变化，机器人不能及时适应这些变化，从而导致抓取失败，因此，这种工作方式在很大程度上限制了工业机器人的灵活性和工作效率。机器视觉技术由于其简单、易用等特点在工业中得到了广泛的应用，对提高生产效率和智能化水平起着至关重要的作用。如今，机器视觉技术已被广泛应用于检测、生产自动化等各个领域。通过视觉引导机器人进行抓取、搬运等任务作业，对于提高生产线的自动化水平，拓宽机器人的应用范围都有十分重要的意义。申请公布号为CN104369188B的专利技术专利申请公开了一种“基于机器视觉和超声波传感器的工件抓取装置及方法”，该专利技术专利使用单目相机采集工件轮廓图像，使用超声波传感器测距，实现了机器人对工件的抓取。但其装置由相机、传感器、液晶显示屏、PLC等硬件构成，设备所需硬件多且成本较高。论文“AcasestudyofobjectidentificationusingaKinectsensor，2013IEEEInternationalConferenceonSystems,Man,andCybernetics(SMC).2013:1743-1747，HuangZY,HuangJT,HsuCM”，利用Kinect采集的RGB与深度信息，生成点云，并利用点云分割来实现目标物体识别，但该方法的实时性较差，且对算法优化要求较高。
技术实现思路
本专利技术目的在于提供一种基于形状上下文特征的定位方法，利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位，有效地解决了现有机器人无法及时适应工作环境或目标对象发生变化，导致操作失败，从而无法满足柔性生产系统的要求。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于形状上下文特征的定位方法，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。进一步地，所述步骤S1中，对工件图像的预处理包括：图像采集、灰度处理、图像滤波以及二值化。进一步地，所述步骤S3中，采用形状上下文特征检测算法从已检测出的轮廓中识别工件轮廓。进一步地，所述步骤S4中，采用基于仿射模型的立体匹配方法。本专利技术与现有技术相比具有以下的有益效果：本专利技术方案利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位。附图说明图1是基于形状上下文特征的定位方法的流程框图。图2是工件图像预处理的流程图。图3是双目摄像机模型图。具体实施方式下面结合附图及具体实施例对本专利技术进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。参照图1，本专利技术的一种基于形状上下文特征的定位方法，所述方法包括：S1，对工件进行图像采集并进行预处理；首先采用双目摄像机对工件进行图像采集，但采集环境的光照强度、空气中的漂浮物、镜头周围可能出现的灰尘等因素，都会影响工件图像采集的效果。工件图像的预处理过程，是为了增强感兴趣的区域，模糊噪声区域，得到便于后续分析计算的高质量图像。在图像预处理中用到的一般方法有：灰度处理，图像滤波，图像二值化等。参见图2，其中，S11，图像采集实际上就是将数字图像数据采集到计算机中的过程，本专利技术使用双目摄像机进行图像采集，并将采集后的数字图像数据交给计算机进行处理。S12，由于采集的数字图像是彩色图像，而彩色图像色彩丰富，包含信息量大，图像处理速度较慢，考虑到工业机器人对工件的定位没有使用彩色图像的必要性，另外对定位识别速度要有一定的要求，所以对彩色图像灰度化是必不可少的。加权平均值法(出自论文Researchandefficiencyanalysisofgrayalgorithmbasedonimagerecognitionsystem.作者：PengWei-xi，ZhaoGuan-xian，WangZhi-qian.ElectronicWorld，2014，7:105.)使彩色数字图像实现灰度化的同时，避免了最大值法和平均值法灰度处理后图像失真的问题，不仅保留了图像原有的信息，而且处理后的灰度图像边缘亮度噪声少，平滑效果好。这样既达到了预期结果，又给图像的后续处理提供了有利条件。加权平均值法根据重要性或其他指标给RGB赋予不同的权值并把RGB的值加权，如公式(1)Gray＝WR×R+WG×G+WB×B(1)其中，WR、WG、WB分别为R、G、B的不同权值。S13，图像滤波是图像处理和计算机视觉中最基本的操作，本专利技术对工件矢量数据获取的方法中要求边缘轮廓尽可能的清晰，双边滤波(出自论文Bilateralfilteringforgrayandcolorimages.作者：TomasiC，ManduchiR.IEEEInternationalConferenceonComputerVision，BombayIndia，1998.)很好的解决了边缘模糊的问题。双边滤波之所以可以达到保留边缘信息去掉噪声的效果，是因为构成该滤波方法的两个函数：一个是由几何空间距离决定滤波系数，另外一个由像素之间的差决定滤波系数。双边滤波不但考虑邻域范围内点的灰度值，而且考虑了这些点距离中心点的几何距离。图像在经过双边滤波后像素点灰度值的表达公式如公式(2)所示：hx(x)＝k-1∫∫f(ξ)c(ξ-x)s(f(ξ)-f(x))dξ(2)其中k为归一化系数，其表达式如公式(3)：k(x)＝∫∫c(ξ-x)s(f(ξ)-f(x))dξ(3)其中h和x分别为滤波后和滤波前对应点的灰度值；c表示中心点与其邻域内点的空间相似度，定义如公式(4)所示：s表示中心点与其邻域内点的灰度相似度，定义如公式(5)所示：S14，图像二值化就是将图像上的像素点的灰度值设置为0或255，将整个图像呈现出明显的黑白效果。图像的二值化有利于图像的进一步处理，使图像变得更加简单，不但能凸显出感兴趣目标的轮廓，还能减小数据处理量。针对全局阈值法(出自论文2Dbarcodeimagebinarizationbasedonwaveletandotsumethod.作者：WuJia-peng，YangZhao-xuan，HanDong.ComputerEngi-neering，2010，10:190-192.)，对整幅图像进行二值化，但由于光照不均匀或者背景十分复杂会导致二值化后图像效果并不理想。在相同环境下多经过次对比试验，确定合理阈值后，固定化二值法有较好的二值化效果，能够满足实际的需要，不仅有较高的识别精度，而且识别速度也较高。S2，对工件图像进本文档来自技高网...

【技术保护点】
1.基于形状上下文特征的定位方法，其特征在于，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。

【技术特征摘要】
1.基于形状上下文特征的定位方法，其特征在于，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。2.根据权利要求1所述的基于形状上下文特征的定位方法，其特征在于，所述步骤S1中...

【专利技术属性】
技术研发人员：覃争鸣，何中平，梁鹏，
申请(专利权)人：广州映博智能科技有限公司，
类型：发明
国别省市：广东,44