基于双目视觉的工件定位与抓取研究

92

计算机测量与控制.2011.19(1) ComputerMeasurement&Control

文献标识码:A

控制技术

文章编号:1671 4598(2011)01 0092 03 中图分类号:TP242 6

基于双目视觉的工件定位与抓取研究

朱代先

(西安科技大学通信与信息工程学院,陕西西安 710054)

摘要:针对生产制造过程中工件的自动定位、识别与抓取等问题,研究基于双目立体视觉的工件识别定位方法;对每个工件进行SIFT特征提取,采用模板匹配方法实现工件的识别,用形态学方法获得工件特征点的二维信息,结合双目立体视觉标定技术得到工件的三维坐标,为机器人抓取工件提供信息;在实验中,相机标定、匹配识别与三维定位程序在MATLAB环境中执行,应用MATLAB和VC++混合编程技术将获得的工件信息传递给机器人的控制程序,实现了机器人对工件的在线实时抓取。

关键词:双目视觉;SIFT;识别;三维定位

ResearchonLocationandCrawlingof

WorkpieceBasedonBinocularVision

ZhuDaixian

(DepartmentofCommunicationandInformationEngineering,

Xi anUniversityofScienceandTechnology,Xi an 710054,China)

Abstract:Inordertosolvetheworkpiecerecognition,locationandcrawlingproblemintheprocessofmanufacturing,anewmethodofworkpiecerecognitionandlocationbasedonbinocularstereovisionisproposed.TheSIFTalgorithmisusedtoextractfeatureofeachwork piece,thetemplatematchingmethodisusedtoidentifyWorkpiece,andworkpiecethree-dimensionalinformationisobtainedbyusingbin ocularvision.Thusrobotcrawlingtaskcanbeimplemented.MATLABandVC++isusedtoprogramsystemsoftware.Experimentalre sultsdemonstratethegoodresultsofthismethod.

Keywords:binocularvision;SIFT;recognition;three-dimensionallocation

0 引言

机器视觉技术在工业生产上的应用,可以提高机器人对环境的感知与应变能力,从而提高生产的柔性和自动化程度。在机械加工、装配以及仓储等生产环节,基于视觉的工件识别定位因为要为机器人自动抓取提供图像信息而成为研究重点。目前基本应用Hausdorff距离[1]、傅里叶描述子[2]、神经网络[3]以及特征向量匹配识别算法[4]对零件图像进行处理,建立识别算法,但都不能很好解决传送带上的工件摆放存在遮挡、旋转等情况下的识别问题。本文在MATLAB环境下应用SIFT(ScaleInvariantFeatureTransform)算法获取图像的在移动、旋转、噪声、缩放及遮挡等情况下的稳定特征,用形态学方法获得工件特征点的二维信息,结合双目立体视觉标定技术得到工件的三维信息,应用MATLAB与VC++混合编程,将工件信息传输到固高GRB 400机器人控制程序,从而实现机器人对工件的抓取任务。

噪声、缩放和遮挡等多种图像变化都具有较强的适应能力,因而在机器视觉领域逐渐得到应用[6]。1 1 基于SIFT算法的工件特征提取

SIFT算法提取特征点一共有以下4个步骤。

(1)检测尺度空间极值的目的是确定特征点位置和所在尺度组。具体过程如下:先使用高斯滤波器对原始图像进行若干次连续滤波建立第一个尺度组,再把图像减小到原来的一半,进行同样的高斯滤波形成第二个尺度组;重复操作直到图像小于某一给定阈值为止,形成多个尺度组。再对每个尺度组中的高斯图像进行差分,形成高斯差分尺度组(DoG尺度)图像。DoG尺度空间中间层(最底层和最顶层除外)的每个像素点需要跟同层的相邻8个像素点以及它上一层和下一层的各9个相邻像素点(共26个)进行比较,以确保在尺度空间和二维图像空间都检测到局部极值。

(2)精炼特征点位置

通过二阶Taylor展开式计算极值点的偏移量,获得亚像素定位精度,同时通过阈值设置剔除差异小的点,并用Hes sian矩阵技术剔除不稳定的边缘响应点。最终保留下来的点称为特征点,图1为DoG尺度空间中4层特征点图像,特征点用黑色圆圈表示。

(3)设置特征点方向

利用特征点邻域像素的梯度方向分布特性为每个特征点指定主方向,在匹配时可以把图像旋转到统一的方向模式下,使图像坐标系与特征区域的梯度方向一致,得到旋转不变量。

(4)生成SIFT特征描述符

1 工件的特征提取与识别定位

对于获取的传送带上工件的图像,如何选取和提取特征是一个非常重要的问题,涉及到基于特征而进行的匹配和识别是否正确。SIFT算法[5]由于具有尺度不变特性而对移动、旋转、

收稿日期:2010 06 22; 修回日期:2010 07 31。

基金项目:陕西省教育厅科研计划资助项目资助(2010JK666)。作者简介:朱代先(1972 ),男,安徽安庆人,在读博士,讲师,主要从事信号与信息处理、机器视觉方向的研究。