基于視覺的門把手識別與姿態(tài)估計方法研究.pdf

1、機器視覺目前作為重要的研究方向，越來越得到人們的重視。在非結(jié)構(gòu)化環(huán)境中，機器人只有對目標認知后進而進行操作。本文是為了解決機器人在金屬鎂還原罐的除渣作業(yè)中對門把手的識別和姿態(tài)估計的難題。對門把手的識別和夾持位置的準確性的高低直接影響機器人開門能否成功。由于目標的位置、角度、間距、光照等外在因素改變，會導致系統(tǒng)識別準確性降低、姿態(tài)估計誤差增大。所以對門把手的識別和空間姿態(tài)估計的準確性研究十分有必要。
　　本文研究基于雙目視覺系統(tǒng)對門

2、把手進行識別，針對工業(yè)現(xiàn)場中門把手出現(xiàn)位置、姿態(tài)多樣的問題。本文利用RBF神經(jīng)網(wǎng)絡(luò)算法良好的容錯性對圖像進行識別。針對門把手識別正確率會因為門把手背景復雜、曝光等外在因素的干擾而降低的問題。本文提出了RBF神經(jīng)網(wǎng)絡(luò)結(jié)合4-鄰域分割法，實現(xiàn)了在前期不能達到預期效果的情況下對圖像里的干擾區(qū)域進行分割，進而排除其他干擾物體準確識別出門把手。對工業(yè)現(xiàn)場中遇到的問題都能夠得到良好的解決，驗證了這種算法應(yīng)用的可靠性。對于基于視覺的門把手的姿態(tài)估計方

3、法研究，包含兩個方面:位置和姿態(tài)。所以需要先求出位置再根據(jù)坐標系之間的關(guān)系求出門把手的空間姿態(tài)，而且門把手是已經(jīng)固定安裝的，所以翻滾角為零。為了消除鏡頭畸變和誤差、確定攝像機的內(nèi)外參數(shù)，需要進行相機標定。為了消除誤匹配對點、提高匹配精度，采用SURF匹配算法結(jié)合極限約束法并驗證改進算法的可行性?；陔p目視差原理將已知的匹配對點轉(zhuǎn)化為三維空間坐標，實現(xiàn)了對門把手的精確定位。針對門把手在相機平面內(nèi)姿態(tài)估計的問題，本文通過對最小二乘法和最小面

4、積矩形兩種算法進行仿真，并通過實驗對這兩種方法進行分析驗證，對比選擇出最佳的計算方法。
　　通過搭建視覺系統(tǒng)實驗平臺、訓練神經(jīng)網(wǎng)絡(luò)，對實際現(xiàn)場進行圖像采集、實驗。并根據(jù)實驗結(jié)果可知，在工業(yè)現(xiàn)場中，所設(shè)計的神經(jīng)網(wǎng)絡(luò)和4-鄰域分割法可以滿足機器人對門把手的識別需求。研究了SURF匹配算法結(jié)合極線約束算法原理，提高了門把手的匹配正確率。相應(yīng)的也提高了對應(yīng)空間三維坐標結(jié)果的準確率。研究了最小二乘法平面擬合和最小面積矩形法原理，通過實驗對以