本发明专利技术涉及一种工件的识别方法和识别装置，不仅提取模板图像和待识别图像的特征点，计算二者的相似度，还对模板图像的特征点做普通特征点和加权特征点的划分，使得更具代表性的加权特征点能更显著的反映模板图像的微小差异，使得高相似度件的加权特征点能被显著区分提炼出来，由此计算的加权匹配度能更显著的反映模板图像与待识别图像的细小区别。因此，根据该加权匹配度识别待匹配工件，识别更高效精准，尤其是相似件的识别上，其准确率高达99%，对于后续检测、喷码、抓取等步骤的识别定位有显著成效。位有显著成效。位有显著成效。
【技术实现步骤摘要】
一种工件的识别方法和识别装置
[0001]本专利技术涉及图像识别领域，特别是涉及一种工件的识别技术。
技术介绍
[0002]在智能工厂中，自动分拣、装配、喷码、抓取等属于常见任务，但是对于工件的识别是否高效、精准是完成这些常见任务的首要前提和基础。因此，基于视觉的高准确率识别是当前的一个研究重点。
[0003]对于工件识别课题，尽管出现了诸多深度学习、模板匹配等方法，但是由于工件类型复杂、工件种类多、摆放杂乱，尤其是相似件较多，有些工件外轮廓完全一致仅工件内部有较小差异，采用标准匹配方法经常会发生误识别和漏识别的问题，对后续的机器人抓取、桁架分拣、喷码等造成阻碍，严重的会发生机械碰撞、喷码错误等问题，导致生产线停工而带来经济损失，也极大影响了工业生产自动化水平。
[0004]因此如何在多种高相似件之间实现正确识别是当前亟待解决的技术问题。
技术实现思路
[0005]为解决上述技术问题，本专利技术提供一种工件的识别方法，包括：S1：构建包括待识别工件的模板图像集；S2：提取模板图像集中每个模板图像的特征点；S3：将每个模板图像的特征点，划分为普通特征点和加权特征点；S4：采集待识别工件的实时图像为待识别图像；S5：提取待识别图像的特征点；S6：根据每个模板图像的普通特征点和加权特征点，与待识别图像的特征点的相似度，确定每个模板图像与待识别图像的加权匹配度；S7：根据每个模板图像与待识别图像的加权匹配度，识别待匹配工件。
[0006]进一步地，步骤S2中，提取每个模板图像的特征点的步骤，包括：T1：将每个模板图像划分为多个局部图像；T2：计算每个局部图像的像素点的特征参数；T3：根据每个局部图像的像素点的特征参数确定每个局部图像的代表点；T4：统计每个模板图像的所有局部图像的代表点，为对应模板图像的特征点。
[0007]进一步地，像素点的特征参数，具体为梯度方向和梯度幅值；步骤T3，具体为：选定每个局部图像中梯度方向投票数最高且梯度幅值最大的像素点，或选定梯度方向与局部图像中梯度方向均值差距最小且梯度幅值与局部图像中梯度幅值均值差距最小的像素点，为每个局部图像的代表点。
[0008]进一步地，步骤S2，还包括：T5：将步骤T4中确定的特征点，设定为候选特征点；根据候选特征点的特征参数，筛除部分候选特征点，以确定待提取特征图像的特征点。
[0009]进一步地，步骤T5，包括：T51：根据候选特征点的梯度幅值，按降序为所有候选特征点排序编号为P
q
；q=1
…
p，p为候选特征点的个数；T52：令q=1；T53：判断候选特征点P
q+1
与候选特征点P
q
的间距，是否大于设定阈值；T54：若否，则筛除候选特征点P
q+1
；并令q=q+1；判断q是否大于p，若否则返回步骤T53，若是则结束；T55：若是，则将保留候选特征点P
q+1
；并令q=q+1；判断q是否大于p，若否则返回步骤T53，若是则结束。
[0010]进一步地，步骤S3，包括：S31：根据模板图像，确定模板图像中表示轮廓的像素点集；S32：计算像素点集中每个像素点的弯曲度；S33：判断弯曲度是否大于设定阈值，以弯曲度大于设定阈值所对应的像素点为中心，将弯曲度大于设定阈值所对应的像素点的周围划定为待加权区域；S34：判断特征点是否在待加权区域，若不在则设定为普通特征点；若在则设定为加权特征点。
[0011]进一步地，步骤S6中，采用公式（1）
‑
（3）计算每个模板图像与待识别图像的加权匹配度为：（1）（2）（3）其中，k表示模板图像集中模板图像的个数；表示第k个模板图像与待识别图像的加权匹配度；表示第k个模板图像与待识别图像的基本匹配度；表示第k个模板图像与待识别图像的附加匹配度；表示第k个模板图像的第i个特征点的权重系数，其中加权特征点的权重系数比普通特征点的权重系数大；表示第k个模板图像的第i个特征点与待识别图像的第j个特征点的相似度；表示第k个模板图像中普通特征点的个数；表示第k个模板图像中加权特征点的个数。
[0012]进一步地，步骤S6中，采用公式（4）优化更新每个模板图像与待识别图像的加权匹配度：（4）
其中，表示第k个模板图像与待识别图像的优化加权匹配度；ε
k
表示加权匹配系数。
[0013]进一步地，步骤S7，具体为：根据每个模板图像与待识别图像的加权匹配度，选择加权匹配度最高的模板图像，识别待匹配工件。
[0014]另一方面，本专利技术还提供一种工件的识别装置，用于上述任意的识别方法，包括：获取模块，用于构建包括待识别工件的模板图像集；第一特征点提取模块，用于提取模板图像集中每个模板图像的特征点；特征点划分模块，用于将每个模板图像的特征点，划分为普通特征点和加权特征点；采集模块，用于采集待识别工件的实时图像为待识别图像；第二特征点提取模块，用于提取待识别图像的特征点；计算模块，用于根据每个模板图像的普通特征点和加权特征点，与待识别图像的特征点的相似度，确定每个模板图像与待识别图像的加权匹配度；识别模块，根据每个模板图像与待识别图像的加权匹配度，识别待匹配工件。
[0015]本专利技术提供的工件的识别方法和识别装置，不仅提取模板图像和待识别图像的特征点，计算二者的相似度，还对模板图像的特征点做普通特征点和加权特征点的划分，使得更具代表性的加权特征点能更显著的反映模板图像的微小差异，使得高相似度件的加权特征点能被显著区分提炼出来，由此计算的加权匹配度能更显著的反映模板图像与待识别图像的细小区别。因此，根据该加权匹配度识别待匹配工件，识别更高效精准，尤其是相似件的识别上，其准确率高达99%，对于后续检测、喷码、抓取等步骤的识别定位有显著成效。
附图说明
[0016]图1为本专利技术工件的识别方法的一个实施例的流程图；图2为工件的模板图像的一个实施例的示例图；图3为工件的模板图像的特征点的一个实施例的示意图；图4为工件的模板图像的加权特征区域的一个实施例的示意图；图5为待识别图像的一个实施例的示意图；图6为工件的训练模板图像的一个实施例的示意图；图7为本专利技术工件的识别装置的一个实施例的结构框图。
具体实施方式
[0017]如图1 所示，本专利技术提供一种工件的识别方法，包括：S1：构建包括待识别工件的模板图像集；具体的，该模板图像集，可选但不仅限于包括常见或前批次、该批次的各种工件的模板图像，如图2所示，示例了四个工件的模板图像，可选但不仅限于为用于泵车、挖机上的工件，（a）、（b）为两个高相似件，（c）、（d）为两个高相似件。
[0018]S2：提取模板图像集中每个模板图像的特征点，如图3所示为图2（d）中模板图像的特征点；具体的，可选但不仅限于根据模板图像的像素点的一系列特征，选取具有代表性的
像素点为特征点。
[0019]S3：将每个模板图像的特征点，划分为普通特征点和加权特征点；具体的，可选但本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工件的识别方法，其特征在于，包括：S1：构建包括待识别工件的模板图像集；S2：提取模板图像集中每个模板图像的特征点；S3：将每个模板图像的特征点，划分为普通特征点和加权特征点；S4：采集待识别工件的实时图像为待识别图像；S5：提取待识别图像的特征点；S6：根据每个模板图像的普通特征点和加权特征点，与待识别图像的特征点的相似度，确定每个模板图像与待识别图像的加权匹配度；S7：根据每个模板图像与待识别图像的加权匹配度，识别待匹配工件。2.根据权利要求1所述的识别方法，其特征在于，步骤S2中，提取每个模板图像的特征点的步骤，包括：T1：将每个模板图像划分为多个局部图像；T2：计算每个局部图像的像素点的特征参数；T3：根据每个局部图像的像素点的特征参数确定每个局部图像的代表点；T4：统计每个模板图像的所有局部图像的代表点，为对应模板图像的特征点。3.根据权利要求2所述的识别方法，其特征在于，像素点的特征参数，具体为梯度方向和梯度幅值；步骤T3，具体为：选定每个局部图像中梯度方向投票数最高且梯度幅值最大的像素点，或选定梯度方向与局部图像中梯度方向均值差距最小且梯度幅值与局部图像中梯度幅值均值差距最小的像素点，为每个局部图像的代表点。4.根据权利要求3所述的识别方法，其特征在于，步骤S2，还包括：T5：将步骤T4中确定的特征点，设定为候选特征点；根据候选特征点的特征参数，筛除部分候选特征点，以确定待提取特征图像的特征点。5.根据权利要求4所述的识别方法，其特征在于，步骤T5，包括：T51：根据候选特征点的梯度幅值，按降序为所有候选特征点排序编号为P
q
；q=1
…
p，p为候选特征点的个数；T52：令q=1；T53：判断候选特征点P
q+1
与候选特征点P
q
的间距，是否大于设定阈值；T54：若否，则筛除候选特征点P
q+1
；并令q=q+1；判断q是否大于p，若否则返回步骤T53，若是则结束；T55：若是，则将保留候选特征点P
q+1
；并令q=q+1；判断q是否大于p，若否则返回步骤T53，若是则结束。6.根据权利要求1所述的识别方法，其特征在于，步骤S3，...
【专利技术属性】
技术研发人员：梁鸿，邓文平，陈万春，卿黎明，
申请(专利权)人：湖南视比特机器人有限公司，
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。