一种基于词袋模型和支持向量机的活塞姿态检测方法技术

一种基于词袋模型和支持向量机的活塞姿态检测方法，先制作活塞图像样本数据集，然后构建基于活塞图像样本图像特征的词袋模型，再训练SVM分类器，然后用训练好的SVM分类器对未知活塞图像样本进行活塞姿态检测；本发明专利技术建立了活塞不同姿态、不同光照强度下的活塞图像样本数据集为后续研究提供了数据源；本发明专利技术构建了活塞图像样本数据集中所有图像样本的基于活塞图像样本图像特征的词袋模型，能方便地用于未知活塞图像样本中活塞姿态的检测；本发明专利技术利用基于活塞图像样本图像特征的词袋模型与SVM结合的方式训练了SVM分类器，实现了对未知活塞图像样本中活塞姿态的检测，以便实现毛坯活塞的自动上料。

A Piston Attitude Detection Method Based on Word Bag Model and Support Vector Machine

A piston attitude detection method based on bag-of-words model and support vector machine is presented. First, the piston image sample data set is made, then the bag-of-words model based on the image characteristics of piston image samples is constructed, then the SVM classifier is trained, and then the piston attitude detection of unknown piston image samples is carried out with the trained SVM classifier. The piston image sample data set provides data source for subsequent research; the present invention constructs a word bag model based on image features of all image samples in piston image sample data set, which can be conveniently used to detect piston attitude in unknown piston image samples; the present invention trains by combining the word bag model based on image features of piston image samples with SVM. The SVM classifier is trained to detect the piston attitude in the unknown piston image samples, so as to realize the automatic feeding of the blank piston.

【技术实现步骤摘要】
一种基于词袋模型和支持向量机的活塞姿态检测方法
本专利技术涉及机器视觉应用
，具体涉及一种基于词袋模型和支持向量机的活塞姿态检测方法。
技术介绍
以工业机器人为核心的自动化加工制造技术在各行业的应用得到很大发展，汽车行业尤为突出。目前，在汽车发动机活塞的生产过程中主要依靠人工上料，导致活塞加工生产线柔性化自动化水平不高。为解决该问题，有人建立了一套基于机器视觉的毛坯活塞上料系统，它主要分为识别和抓取两部分，识别是通过机器视觉方法识别出待抓取的活塞的姿态；抓取是在获取活塞姿态之后，通过机械臂抓取并按要求的姿态放置活塞，活塞姿态的检测是该系统的关键技术之一。词袋模型最早应用于神经语言程序学和信息检索领域，该模型将文本简单看作一些关键单词的集合，忽略语法和语序，用一组无序的关键单词表征一段文字或一个文档，以便于后续处理。近年来,词袋模型在计算机视觉中应用中也越加广泛，将图像类比成一段文字或一个文档，图像的特征看作关键单词，图像看作图像特征的集合，如此将图像“文字化”后，有助于后续对图像的处理。支持向量机(SVM)算法由Vapnik于1995年首次提出，其在解决小样本、非线性及高维模式本文档来自技高网...

【技术保护点】
1.一种基于词袋模型和支持向量机的活塞姿态检测方法，其特征在于：包括以下步骤：步骤1)、制作活塞图像样本数据集：1.1)制作活塞图像样本数据集，对不同姿态、不同光照强度下的活塞进行采样，得到包含裙部朝上，裙部朝下以及横卧三种姿态的活塞各n张a*b大小的标准二进制活塞图像样本，a、b的单位为mm，并为每个活塞图像样本设置一个活塞姿态类别标签，这些活塞图像样本和活塞姿态类别标签共同构成包含3n张图像的活塞图像样本数据集；步骤2)、构建基于活塞图像样本图像特征的词袋模型：2.1)提取活塞图像样本数据集中所有图像的N个图像特征点，N的值不固定，由具体的图像特征点提取算法和被提取图像特征点的图像确定，每...

【技术特征摘要】
1.一种基于词袋模型和支持向量机的活塞姿态检测方法，其特征在于：包括以下步骤：步骤1)、制作活塞图像样本数据集：1.1)制作活塞图像样本数据集，对不同姿态、不同光照强度下的活塞进行采样，得到包含裙部朝上，裙部朝下以及横卧三种姿态的活塞各n张a*b大小的标准二进制活塞图像样本，a、b的单位为mm，并为每个活塞图像样本设置一个活塞姿态类别标签，这些活塞图像样本和活塞姿态类别标签共同构成包含3n张图像的活塞图像样本数据集；步骤2)、构建基于活塞图像样本图像特征的词袋模型：2.1)提取活塞图像样本数据集中所有图像的N个图像特征点，N的值不固定，由具体的图像特征点提取算法和被提取图像特征点的图像确定，每一个图像特征点由一个矩阵来表示，称该矩阵为图像特征描述子，收集上述得到的N个图像特征描述子，得到N个矩阵；2.2)构建视觉词典，使用步骤2.1)所得的N个矩阵，利用聚类方法得到M个聚类中心，每个聚类中心与步骤2.1)中得到的图像特征描述子也是同维数的矩阵，所得到聚类中心称为视觉单词，M个视觉单词按先后顺序组成了一个视觉词典；2.3)获取活塞图像的词袋模型特征描述子，将步骤2.1)中得到的活塞图像样本数据集中单个活塞图像样本的所有图像特征描述子利用特征点匹配算法与步骤2.2)中得到的视觉词典中的视觉单词进行匹配，统计这些图像特征描述子与M个视觉单词匹配的结果，得到各个视觉单词在这些图像特征描述子中能匹配上的图像特征描述子的个数，将这些结果按视觉单词在视觉词典中的顺序组合得到一个1*M的矩阵，这个矩阵就是这个活塞图像的词袋模型特征描述子，利用这种方法获得活塞图像样本数据集中所有活塞图像样本的词袋模型特征描述子；步骤3)、训练SVM分类器：3.1)利用基于活塞图像样本图像特征的词袋模型与SVM结合的方式训练SVM分类器，输入数据为3n张活塞图像样本数据集中活塞图像样本的词袋模型特征描述子以及对应活塞图像样本的活塞姿态类别标...

【专利技术属性】
技术研发人员：陶唐飞，徐佳宇，郑翔，杨兴宇，贺华，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61