一种基于机器视觉的三维坐标定位方法技术

本发明专利技术公开了一种基于机器视觉的三维坐标定位方法，该方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。本发明专利技术方案通过将形状上下文引入双目视觉工件图像的立体匹配中，并引入质心约束条件，融合形状上下文和梯度方向直方图构成联合相似性度量，引入RANSAC剔除误匹配点，实现了较高的匹配精度及更快的匹配速度，满足了工业上双目视觉快速、准确的工件深度信息提取和3‑D定位要求。

A 3D coordinate location method based on machine vision

The invention discloses a three-dimensional coordinate positioning method based on machine vision. The method includes: S1, image acquisition, preprocessing and contour extraction of the workpiece; S2, the distance normalization processing of the feature vectors; S3, determining the set of candidate matching points; S4, the initial matching point set; S5, eliminating mismatched point pairs. By introducing the shape context into the stereo matching of the binocular vision work image and introducing the centroid constraint conditions, the scheme combines the shape context and the gradient direction histogram to form the joint similarity measure, and introduces the RANSAC to eliminate the mismatch points, so as to achieve a higher matching precision and faster matching speed, and satisfy the work. The binocular vision is fast and accurate for workpiece depth information extraction and 3 D positioning requirements.

【技术实现步骤摘要】
一种基于机器视觉的三维坐标定位方法
本专利技术属于机器人视觉定位领域，涉及一种基于机器视觉的三维坐标定位方法。
技术介绍
随着机器视觉技术的发展，双目视觉被广泛应用于物体识别、虚拟现实、工业检测、机器人导航和航空航天等领域。近年来，基于双目视觉的工件识别定位为机器人3-D自动抓取提供图像信息成为研究重点，其中立体匹配和关键抓取点的3-D信息重建是主要研究内容。立体匹配作为双目视觉的关键技术，其目的是确定立体图像对点之间的对应关系，精度高、速度快和鲁棒性强的匹配算法成为广大研究者追求的目标。其中，基于特征的匹配方法具有计算速度快和占用内存少的优点，满足工业实时性要求，且对噪声、光照变化等不敏感，鲁棒性强，解决了大多数基于区域的立体匹配算法过分依赖图像灰度统计特性以及光照不变性假设的问题，在工业中得到广泛应用。由于工件图像一般缺乏纹理和颜色特征，导致部分特征点匹配方法检测到的特征点较少，故由于区域灰度的相似性导致的误匹配在一定程度上不能保证后续定位精度。近年来，基于形状特征的匹配方法在缺乏纹理和颜色的图像中得到了长足的发展，尤其是以形状上下文为代表的基于边缘轮廓的匹配方法。论文“Aspectraltechniqueforcorrespondenceproblemsusingpairwiseconstraints[C]//IEEEInternationalConferenceonComputerVision.NewYork,USA:IEEE,2005:1482-1489.LEORDEANUM,HEBERTM”，将形状上下文特征和谱匹配方法结合，进行一对一匹配，但该方法谱分解较耗时。论文“AnalyzingancientMayaglyphcollectionswithcontextualshapedescriptors[J].InternationalJournalofComputerVision,2011,94(1):101-117.ROMAN-RANGELE,PALLANC,ODOBEZJM，etal”，提出了方向直方图形状上下文特征，引入高维直方图描述复杂的目标形状，提高了匹配准确率，但是高维直方图相似性计算量较大，导致匹配耗时较多。论文“Handshaperecognitionbasedoncoherentdistanceshapecontexts[J].PatternRecognition,2012,45(9):3348-3359.HURX,JIAW,ZHANGD,etal”，结合内距离形状上下文(innerdistanceshapecontext,IDSC)提出了一致性距离形状上下文，提高了点对匹配精度，但是内距离为在形状内部连接两个轮廓序列上两个点的最短路径长度，计算较为耗时，不能满足实时性要求。
技术实现思路
本专利技术目的在于提供一种基于机器视觉的三维坐标定位方法，通过将形状上下文引入双目视觉工件图像的立体匹配中，并引入质心约束条件，融合形状上下文和梯度方向直方图构成联合相似性度量，引入RANSAC剔除误匹配点，实现了较高的匹配精度及更快的匹配速度，满足了工业上双目视觉快速、准确的工件深度信息提取和3-D定位要求，有效地解决了传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求问题。为解决上述技术问题，本专利技术采用如下的技术方案：一种基于机器视觉的三维坐标定位方法，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。进一步地，所述步骤S1中，对工件图像对分别进行灰度归一化处理，并采用快速边缘检测方法提取工件轮廓。进一步地，所述步骤S2中，对轮廓采样点进行对数极坐标变换，统计立体图像对各轮廓采样点的形状上下文直方图特征向量，并对特征向量进行距离归一化处理。进一步地，所述步骤S3中，在立体图像对质心的视差约束条件下，根据形状上下文的直方图分布信息进行初步筛选。进一步地，所述步骤S4中，计算由形状上下文和梯度方向直方图构成的联合相似性度量值，并采用KNN匹配策略进行阈值判断。进一步地，所述步骤S5中，引入RANSAC算法剔除误匹配点对。本专利技术与现有技术相比具有以下的有益效果：本专利技术方案通过将形状上下文引入双目视觉工件图像的立体匹配中，并引入质心约束条件，融合形状上下文和梯度方向直方图构成联合相似性度量，引入RANSAC剔除误匹配点，实现了较高的匹配精度及更快的匹配速度，满足了工业上双目视觉快速、准确的工件深度信息提取和3-D定位要求。附图说明图1是基于机器视觉的三维坐标定位方法流程框图。图2是形状上下文的bin分布图。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机器视觉的三维坐标定位方法，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；采用自主研发的两个相同配置的640×480分辨率的黑白CCD相机构成双目视觉系统，分别从不同视角拍摄待检工件，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，立体校正等。对工件图像对分别进行灰度归一化处理的目的是消除双目相机光照不一造成的影响，然后采用快速边缘检测方法(出自论文《Afastedgedetectionalgorithmonsimplebackground》，作者：ZHOUEM,XUEFZh,LIN.MicroComputerInformation,2012,10(10):383-384(inChinese).)提取工件轮廓，并对轮廓均匀采样。S2，对特征向量进行距离归一化处理；对轮廓采样点进行对数极坐标变换，统计立体图像对各轮廓采样点的形状上下文直方图特征向量，并对特征向量进行距离归一化处理。形状上下文特征用有限轮廓采样点集合来表示待匹配物体，同时假设这些轮廓采样点足以表征物体的形状信息。假设轮廓采样点集合由Pλ＝{p1,p2,…,pλ}表示，λ表示轮廓采样点数目。S21，对数极坐标变换；以第i个轮廓采样点pi(xi,yi)作为参考坐标原点，按下式进行对数极坐标变换，使得形状上下文特征对距离点pi(xi,yi)较近的轮廓采样点较为精确地描述，对距离相对较远的轮廓采样点进行近似的描述：式中，rij为对数极坐标下的半径，θij为对数极坐标下的角度，(xi,yi)对应第i个轮廓采样点pi的笛卡尔坐标系中的坐标，(xj,yj)对应剩余的第(λ-1)个轮廓采样点qj的笛卡尔坐标系中的坐标。S22，形状描述；为得到形状上下文的直方图统计，将对数极坐标下的距离lgr及角度θ分为M和N个区间，如图2所示。对于采样点pi，建立对数极坐标映射表示剩余的λ-1个采样点的分布，可得到直方图Hi，如下所示：Hi＝{hi(k)}＝{hi(m,n)},(1≤k≤K；(m,n)∈I)(2)hi(k)＝#{(qj-p本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的三维坐标定位方法，其特征在于，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。

【技术特征摘要】
1.一种基于机器视觉的三维坐标定位方法，其特征在于，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。2.根据权利要求1所述的一种基于机器视觉的三维坐标定位方法，其特征在于，所述步骤S1中，对工件图像对分别进行灰度归一化处理，并采用快速边缘检测方法提取工件轮廓。3.根据权利要求1所述的一种基于机器视觉的三维坐标定位方法，其特征在于，所述步骤S2中，对轮廓采样点进行对数极坐标变换，统计立体图像对各轮廓采样点的...

【专利技术属性】
技术研发人员：覃争鸣，杨旭，何中平，
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