The invention requests protection of a positioning method based on an improved FAST_SURF algorithm. Aiming at the problems of long time and low precision when industrial robots grasp objects, it adopts an improved FAST_SURF algorithm for positioning: according to the image information of the object collected by the binocular vision system, it adopts an improved FAST_SURF algorithm for positioning. The algorithm gets the feature points by preliminary processing, matches the feature points with SURF algorithm and screens the RANSAC, and processes the matched feature points with the principle of triangulation measurement to accurately locate the three-dimensional coordinates of the object. This method can reduce the time and improve the accuracy. It is more suitable for object location in the background of industrial robot.
【技术实现步骤摘要】
一种基于改进FAST-SURF算法的定位方法
本专利技术属于定位
,特别是一种基于改进的FAST-SURF算法的目标定位方法。
技术介绍
工业机器人广泛用于物流分类、物体码垛等工业任务。而拾取和放置目标物体是工业机器人的重要任务之一。大部分工业机器人的抓取仍停留在预先描点后重复工作的层次。这样的工作方式对环境的稳定性要求极高,不能应对突发的变化。随着社会生产的不断发展,对机器人系统的实用性、智能化要求也越来越高。凭借视觉系统,工业机器人能对目标物体进行识别与定位,从而提高系统的鲁棒性和实时性来应对突发的情况。近年来,视觉识别定位在工业上的应用也越来越广泛。双目视觉定位技术是模拟人类双目感知距离的原理,实现对景物的三维空间位置的测量,基于三角测量原理,用两个摄像头对同一景物从不同位置成像,从而从视差中恢复距离信息,是机器人视觉研究的一个重要内容,目前物体定位技术的不足之处在于对图像处理速度不够快,定位不够精确。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种提高了整体匹配精度的基于改进FAST-SURF算法的定位方法。本专利技术的技术方案如下:一种基于改进FAST-SURF算法的定位方法,其包括以下步骤:S11:采用双目视觉系统采集定位物体的图像信息;S12:步骤S11得到的定位物体图像信息,采用改进的FAST算法进行初步处理,得到特征点;改进的FAST算法改进主要体现在:将检测对比点的个数由16个降为12个,加快检测的速度。S13:根据步骤S12得到的特征点,使用SURF算法对目标区域进行特征点对的匹配以及筛选;S14:根据步骤S13得到 ...
【技术保护点】
1.一种基于改进FAST‑SURF算法的定位方法,其特征在于,包括以下步骤:S11:采用双目视觉系统采集定位物体的图像信息;S12:步骤S11得到的定位物体图像信息,采用改进的FAST算法进行初步处理,得到特征点;改进的FAST算法改进主要体现在:将检测对比点的个数由16个降为12个,加快检测的速度;S13:根据步骤S12得到的特征点,使用SURF算法对目标区域进行特征点对的匹配以及筛选;S14:根据步骤S13得到的匹配对,使用RANSAC算法对匹配对进行筛选,得到多组特征匹配点对;S15:根据步骤S14得到的多组特征匹配点对,利用三角形测量算法计算出点位的三维坐标,精确定位物体三维坐标。
【技术特征摘要】
1.一种基于改进FAST-SURF算法的定位方法,其特征在于,包括以下步骤:S11:采用双目视觉系统采集定位物体的图像信息;S12:步骤S11得到的定位物体图像信息,采用改进的FAST算法进行初步处理,得到特征点;改进的FAST算法改进主要体现在:将检测对比点的个数由16个降为12个,加快检测的速度;S13:根据步骤S12得到的特征点,使用SURF算法对目标区域进行特征点对的匹配以及筛选;S14:根据步骤S13得到的匹配对,使用RANSAC算法对匹配对进行筛选,得到多组特征匹配点对;S15:根据步骤S14得到的多组特征匹配点对,利用三角形测量算法计算出点位的三维坐标,精确定位物体三维坐标。2.根据权利要求1所述的基于改进FAST-SURF算法的定位方法,其特征在于,所述步骤S12采用改进的FAST算法进行初步处理,得到特征点具体包括步骤:S21:FAST算法:从图片中选取一个像素点P为圆心,半径为3像素的离散化的Bresenhan圆,圆的边界有16个像素;S22:FAST算法的改进将与周围比较的16个像素点降为12个像素点,检测原则是连续9个像素点都比Ip+t大或者比Ip-t小,则该像素点为特征点候选点;S23:待检测的点周围的一圈像素的灰度值与候选的点的灰度值差别够大,可以认为这个候选点是一个特征点;S24:对特征点进行非极大值抑制,得到特征点输出。3.根据权利要求2所述的基于改进FAST-SURF算法的定位方法,其特征在于,所述步骤S23具体包括:设在二维图像中的任意一点圆心坐标(x,y),特征点描述算法公式如下:当中心像素的灰度值IP小于周围圈点x处像素灰度值Ix+t时,则认为该灰度像素属于更暗的,则SP→x=d;以此类推相似的s和更亮的灰度像素点b,这样在一个以候选特征点p为圆心的圆形区域边缘就找到了3种类型的灰度像素点d、s和b,统计d或b的次数,如果大于n,则认为该点为候选特征点;然后通过固定半径圆上像素的灰度值进行比较获得候选特征点,利用ID3分类器,根据12个特征,判断此候选特征点是否为特征点;将上面的步骤获得d、s、b的个数分别记为Pd、Ps、Pb,计算得到的SP→x必定对应式(2)的某种情况,令IP为特...
【专利技术属性】
技术研发人员:汪宇翔,王兴龙,罗元,张毅,胡章芳,张瀚,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
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。