面向機器人的多目視覺檢測算法研究及系統(tǒng)實現(xiàn).pdf_第1頁
已閱讀1頁,還剩108頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、并聯(lián)機器人有著剛度大,累積誤差小,結(jié)構(gòu)簡單可靠,負載大,控制容易,執(zhí)行速度快等多個優(yōu)點?,F(xiàn)如今,已有將單個攝像機添加進并聯(lián)機器人當中,但僅能做簡單平面形狀物體的定位、分揀等功能,無法達到柔性化生產(chǎn)的目的。
  本文以并聯(lián)機器人作為機器人的研究對象,提出采用多目視覺的方法,使其具有感知外部三維環(huán)境的能力,旨在于提高多目視覺系統(tǒng)的標定效率,提高并聯(lián)機器人的目標檢測精度以及目標檢測能力。如何使多目視覺系統(tǒng)具有感知目標三維坐標以及如何將該

2、三維坐標轉(zhuǎn)化為并聯(lián)機器人可執(zhí)行的相應(yīng)參數(shù),需要解決的問題有角點檢測問題,參數(shù)估計問題以及目標檢測等問題。本文對此進行了深入研究,在詳細地分析傳統(tǒng)方法的利弊的基礎(chǔ)上,提出了相應(yīng)的解決方案,使并聯(lián)機器人在多目視覺系統(tǒng)的引導(dǎo)下,完成復(fù)雜環(huán)境下對目標的高精度檢測,并實現(xiàn)了面向并聯(lián)機器人的多目視覺檢測系統(tǒng)。
  對并聯(lián)機器人的運動學以及整體結(jié)構(gòu)進行了扼要闡述,介紹了攝像機的成像模型和多目視覺檢測技術(shù),并根據(jù)并聯(lián)機器人的機械結(jié)構(gòu)特點,設(shè)計出本

3、文面向并聯(lián)機器人的多目視覺檢測系統(tǒng)的理論模型。
  角點檢測是為了給計算多目視覺檢測系統(tǒng)內(nèi)外部參數(shù)提供原始數(shù)據(jù)。為了提高單個攝像機標定過程中角點坐標提取的效率與精度,對攝像機標定時使用圓形圖案與棋盤格圖案遇到的問題進行了詳細的分析與總結(jié)。對于圓形圖案標定板,本文提出并推導(dǎo)了橢圓投影誤差模型,通過仿真實驗數(shù)據(jù)詳細分析和總結(jié)了影響標定誤差的各個因素。對于棋盤格圖案標定板,在分析了傳統(tǒng)開源代碼Matlab繁瑣的人工操作以及OpenCV無

4、法應(yīng)用于復(fù)雜環(huán)境等缺點的基礎(chǔ)上,根據(jù)黑白方塊角點處的灰度值分布特點,本文提出了一種改進的對稱方差方法的亞像素角點檢測算法,實驗結(jié)果證明了該算法的有效性。
  參數(shù)估計是對多目視覺檢測系統(tǒng)的攝像機矩陣、旋轉(zhuǎn)矩陣以及平移向量等參數(shù)的計算。只有獲得了檢測系統(tǒng)內(nèi)外部參數(shù)之后才能進行目標的三維坐標計算與轉(zhuǎn)換,使并聯(lián)機器人能識別目標。相比于本文所設(shè)計的系統(tǒng)的內(nèi)部參數(shù)來說,外部參數(shù)所涉及到的旋轉(zhuǎn)矩陣最優(yōu)化問題更為復(fù)雜。為了更精確地計算出系統(tǒng)中的

5、旋轉(zhuǎn)矩陣,本文根據(jù)旋轉(zhuǎn)矩陣估計問題的特點,提出了一種基于凸松弛的混合全局最優(yōu)化算法,并將該算法應(yīng)用于解決多目視覺系統(tǒng)標定中攝像機兩兩之間存在的共軛旋轉(zhuǎn)矩陣估計問題和攝像機與并聯(lián)機器人之間存在的單旋轉(zhuǎn)矩陣估計問題。該算法綜合了交迭算法與凸松弛算法各自的優(yōu)點,實驗結(jié)果表明,該算法快速準確地收斂于旋轉(zhuǎn)矩陣估計問題的全局最優(yōu)解。
  由于并聯(lián)機器人的應(yīng)用范圍主要在工業(yè)生產(chǎn)分揀與定位當中,工業(yè)產(chǎn)品的顏色大多沒有區(qū)分度,紋理通常也不明顯,光照

6、也受現(xiàn)場情況的影響,只有形狀才是表征物體最本質(zhì)的特征。為了提高并聯(lián)機器人對于各種形狀目標檢測能力,在詳細分析了傳統(tǒng)目標檢測算法優(yōu)缺點的基礎(chǔ)上,本文根據(jù)目標的中軸線或骨架所提供的信息,提出了一種基于二維形狀橢圓建模的目標快速檢測算法。為了對各種二維的狀的目標進行自適應(yīng)橢圓建模,本文加入了形狀復(fù)雜度以及信息準則等定義用于建模。由于目標物體在不同角度的成像過程中會發(fā)生投影變化,故在形狀復(fù)雜度的定義里加入了不變矩的一項。由于圖像數(shù)據(jù)為離散二維數(shù)

7、據(jù),針對Hu不變矩在離散情況下,尺度不變特性失效的問題,本文提出了改進的離散Hu不變矩。針對二維形狀橢圓建模在目標檢測過程中計算量大、耗費存儲空間等問題,引入幾何不變量——形狀角,從總體上對多個目標的輪廓進行初步篩選,再利用橢圓建模所提供的模型特征信息進行精確匹配。由實驗證明,在目標物體含有噪聲時,發(fā)生遮擋時,或者發(fā)生旋轉(zhuǎn)、平移、尺度變換時均能準確快速檢測。
  最后,結(jié)合上述研究內(nèi)容及算法,研發(fā)了面向并聯(lián)機器人的多目視覺檢測系統(tǒng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論