【技术实现步骤摘要】
一种基于边缘特征的模板匹配方法
[0001]本专利技术涉及计算
,具体涉及一种基于边缘特征的模板匹配方法。
技术介绍
[0002]模板匹配是2D视觉定位的常用方法,是根据已知模块在搜索图像中寻找逼近模块匹配的过程,是一种简单有效、使用广泛的图像处理方法。
[0003]传统的模板匹配因自身的局限性,主要表现在它只能进行平行移动,若原图像中的匹配目标发生旋转或大小变化,该算法无效。而国内外著名软件包如Cognex公司的Patmax、Matron公司的MILGMF、MVtec的HALCON HMatchlt、EURESYS的eVisonasyFind、Adept的AdeptSight及DALSA的Sapera等已开发出性能良好的几何模板匹配算法,但由于商业保密的原因,其所有采用的技术核心鲜有公开。
技术实现思路
[0004]本专利技术是为了解决模板配的问题,提供一种基于边缘特征的模板匹配方法:制作模板过程中,通过边缘提取算法提取出零件的边缘特征,匹配过程中,通过边缘提取算法,将整张图像的边缘特征突显出来,使用模板优化算法将原模板逐个像素对比、逐个角度对比,找到最合适的匹配点和角度,再将该位置乘以标定参数矩阵,获得机器人坐标系下的坐标。本方法通过自加工与采购搭建的视觉测量系统较为廉价,具有非接触式、速度快、精度高等优点。
[0005]本专利技术提供一种基于边缘特征的模板匹配方法,包括以下步骤:
[0006]S1、提取模板:使用边缘特征算法处理凸显零件特征的照片,确定特征区域,然后 ...
【技术保护点】
【技术特征摘要】
1.一种基于边缘特征的模板匹配方法,其特征在于:包括以下步骤:S1、提取模板:使用边缘特征算法处理凸显零件特征的照片,确定特征区域,然后手动屏蔽不需要的边缘特征,得到初步模板;S2、训练模板:使用模板优化算法提取所述初步模板中有代表性的特征点,并制作成粗模板和精模板,通过训练得到边缘特征和数组索引;S3、图像预处理:使用边缘特征算法处理待测图像,获得具有边缘特征的图像,降低所述具有边缘特征的图像分辨率得到粗图像;S4、粗定位:将所述粗模板与所述粗图像进行逐点匹配,获得每个像素位置的得分值,得分最高的位置为粗定位获取的位置;S5、精定位:根据所述粗定位获取的位置,将所述精模板与所述粗图像进行匹配,得到所述精模板区域内各像素位置的得分,得分最高位置为精定位获取的位置,再将所述精定位获取的位置乘以标定参数矩阵得到机器人坐标下的待测图像坐标。2.根据权利要求1所述的一种基于边缘特征的模板匹配方法,其特征在于:步骤S1、S3中,边缘特征算法为使用Sobel算子提取照片边缘特征,Sobel算子为:Gx=[f(x+1,y
‑
1)+2*f(x+1,y)+f(x+1,y+1)]
‑
[f(x
‑
1,y
‑
1)+2*f(x
‑
1,y)+f(x
‑
1,y+1)];Gy=[f(x
‑
1,y
‑
1)+2*f(x,y
‑
1)+f(x+1,y
‑
1)]
‑
[f(x
‑
1,y+1)+2*f(x,y+1)+f(x+1,y+1)];其中,f(x,y)为图像(x,y)点的灰度值,Gx为横向边缘检测的图像灰度值,Gy为纵向边缘检测的图像灰度值,G为边缘检测的综合图像灰度值。3.根据权利要求1所述的一种基于边缘特征的模板匹配方法,其特征在于:步骤S1包括以下步骤:S11、载入零件特征凸显较好的照片;S12、使用边缘特征算法的Sobel算子提取照片边缘特征的ROI区域;S13、手动屏蔽不需要的边缘特征,将灰度值设为0,得到所述初步模板。4.根据权利要求1所述的一种基于边缘特征的模板匹配方法,其特征在于:步骤S2包括以下步骤:S21、使用Sobel算子处理ROI区域内的灰度图像,灰度...
【专利技术属性】
技术研发人员:李志博,靳开轩,宋明安,郭强,麻辉,
申请(专利权)人:宁夏巨能机器人股份有限公司,
类型:发明
国别省市:
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。