[发明专利]基于形状上下文特征的定位方法

说明书

本发明公开了一种基于形状上下文特征的定位方法，该方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。本发明方案利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位。

技术领域

本发明属于机器人视觉定位领域，涉及一种基于形状上下文特征的定位方法。

背景技术

工件识别与抓取是生产线上工业机器人的一项重要应用，而目前生产线上多数的工业机器人是通过预先示教或者离线编程的方式来控制机器人执行预定的指令动作，一旦工作环境或目标对象发生变化，机器人不能及时适应这些变化，从而导致抓取失败，因此，这种工作方式在很大程度上限制了工业机器人的灵活性和工作效率。

机器视觉技术由于其简单、易用等特点在工业中得到了广泛的应用，对提高生产效率和智能化水平起着至关重要的作用。如今，机器视觉技术已被广泛应用于检测、生产自动化等各个领域。通过视觉引导机器人进行抓取、搬运等任务作业，对于提高生产线的自动化水平，拓宽机器人的应用范围都有十分重要的意义。

申请公布号为CN104369188B的发明专利申请公开了一种“基于机器视觉和超声波传感器的工件抓取装置及方法”，该发明专利使用单目相机采集工件轮廓图像，使用超声波传感器测距，实现了机器人对工件的抓取。但其装置由相机、传感器、液晶显示屏、PLC等硬件构成，设备所需硬件多且成本较高。

论文“A case study of object identification using a Kinect sensor，2013IEEE International Conference on Systems,Man,and Cybernetics(SMC).2013:1743-1747，Huang Z Y,Huang J T,Hsu C M”，利用Kinect采集的RGB与深度信息，生成点云，并利用点云分割来实现目标物体识别，但该方法的实时性较差，且对算法优化要求较高。

发明内容

本发明目的在于提供一种基于形状上下文特征的定位方法，利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位，有效地解决了现有机器人无法及时适应工作环境或目标对象发生变化，导致操作失败，从而无法满足柔性生产系统的要求。

为解决上述技术问题，本发明采用如下的技术方案：一种基于形状上下文特征的定位方法，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，对工件图像进行阀值分割以提取轮廓图像；S3，从已检测出的轮廓中识别工件轮廓；S4，对左右图进行立体匹配；S5，获取抓取点的三维坐标信息。

进一步地，所述步骤S1中，对工件图像的预处理包括：图像采集、灰度处理、图像滤波以及二值化。

进一步地，所述步骤S3中，采用形状上下文特征检测算法从已检测出的轮廓中识别工件轮廓。

进一步地，所述步骤S4中，采用基于仿射模型的立体匹配方法。

本发明与现有技术相比具有以下的有益效果：

本发明方案利用形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓，采用直方图结合Harris角点进行特征生成与匹配，加快了匹配速度，具有较高的精度，且对环境变化有一定的适应能力，能较精准地对工件进行定位。

附图说明

图1是基于形状上下文特征的定位方法的流程框图。

图2是工件图像预处理的流程图。