一种基于视觉的机器人目标零件显著性检测方法技术

一种基于视觉的机器人目标零件显著性检测方法，属于工业机器人目标零件检测识别的技术领域，包括以下步骤：首先对双目视觉系统进行标定，然后对原始图像进行区域分割，以区域为单位进行图像处理，利用双目视觉模型进行深度感知；再将感知深度与颜色特征融合聚类结果进行协同处理，获得区域级的深度显著性；最后利用全局显著性与深度显著性的加权融合结果进行背景抑制，完成目标零件检测。本发明专利技术检测图像效果边缘更清晰，背景剔除更完全，目标形态分割更完整。在机器人目标零件检测方面有很好的效果，可以使机器人更加智能化，可应用于机器人智能分拣系统。

【技术实现步骤摘要】
一种基于视觉的机器人目标零件显著性检测方法
本专利技术属于工业机器人目标零件检测识别的
，尤其涉及一种基于视觉的机器人目标零件检测识别方法。
技术介绍
机器视觉技术是20世纪60年代发展起来的，1961年美国麻省理工学院林肯实验室采用摄像头作为计算机的输入，把物体识别和图像处理方法引入到机器人应用中，从此开始了机器视觉的研究。在复杂背景下要检测出目标零件，由于要检测的目标零件与四周生产环境区别不大，如果利用传统的阈值分割方法，很难从复杂的背景中提取出目标零件显著性，现在常用的识别检测方法主要分为两大类：第一类是先建立目标模板，通过模板匹配的方式检测出目标零件；第二类方法是先进行图像预处理，得到待检测目标的相关特征，然后对特征领域内进行后续分析检测得到目标。模板匹配主要是通过在图像中寻找与目标模板高度相似的完成目标识别，有基于边缘点、基于灰度值与基于形状等几种方式，为了提高匹配速度，一些学者提出乱序匹配、限制最大匹配误差等匹配策略，能大幅减少运算量，但在图像中存在较多目标时，实时性较差。而基于特征的识别主要是对预处理后的局部感兴趣区域进行分析，通过采用不同的描述特征来识别出目标，本文档来自技高网...

【技术保护点】
1.一种基于视觉的机器人目标零件显著性检测方法，其特征在于，包括以下步骤：首先对双目视觉系统进行标定，然后对原始图像进行区域分割，以区域为单位进行图像处理，利用双目视觉模型进行深度感知；再将感知深度与颜色特征融合聚类结果进行协同处理，获得区域级的深度显著性；最后利用全局显著性与深度显著性的加权融合结果进行背景抑制，完成目标零件检测。

【技术特征摘要】
1.一种基于视觉的机器人目标零件显著性检测方法，其特征在于，包括以下步骤：首先对双目视觉系统进行标定，然后对原始图像进行区域分割，以区域为单位进行图像处理，利用双目视觉模型进行深度感知；再将感知深度与颜色特征融合聚类结果进行协同处理，获得区域级的深度显著性；最后利用全局显著性与深度显著性的加权融合结果进行背景抑制，完成目标零件检测。2.根据权利要求1所述的基于视觉的机器人目标零件显著性检测方法，其特征在于，所述双目视觉系统进行标定具体包括：双目视觉系统固定在机器人末端，对视觉系统进行标定，标定主要是完成图像中的位置与实际的世界坐标系中位置的对应关系，通过标定而知道相机内部的参数；手眼关系的标定主要是完成相机成像模型与机器人末端执行器之间的关系。3.根据权利要求1所述的基于视觉的机器人目标零件显著性检测方法，其特征在于，所述对输入的原始图像进行区域分割包括：选择基于简单线性迭代聚类SLIC的方法，先对图像进行过分割，得到超像素区域，然后利用颜色的相似性进行区域合并，最后得到区域分割图。4.根据权利要求3所述的基于视觉的机器人目标零件显著性检测方法，其特征在于，所述基于简单线性迭代聚类SLIC的方法在LAB颜色空间采用5维距离计算：上式中：lk，li，ak，ai，bk，bi分别为(xi,yi)，(xk,yk)两点在LAB颜色空间的3个分量，dlab是两点在LAB颜色空间的距离，dxy为两点间的平面距离，Ds为lab距离与xy距离平面距离之和，m为超像素的紧密度调节参数.S为超像素间隔。5.根据权利要求3或4所述的基于视觉的机器人目标零件显著性检测方法，其特征在于，所述图像进行过分割还包括采用并进行算法gSLIC进行处理的步骤。6.根据权利要求3或4所述的基于视觉的机器人目标零件显著性检测方法，其特征在于，所述利用双目视觉模型目标零件进行深度信息的感知，再将感知深度与颜色特征融合聚类结果进行协同处理，获得区域级的深度显著性；具体包括：利用双目视觉系统获取视差，利用视差的计算得到物体的深度信息，把不含深度信息或视差...

【专利技术属性】
技术研发人员：林海波，高奇峰，叶川，王彦博，熊英俊，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50