一种基于机器视觉的工件定位与识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110110760A(43)申请公布日2019.08.09(21)申请号201910309051.5(22)申请日2019.04.17(71)申请人浙江工业大学地址310014浙江省杭州市下城区潮王路18号(72)发明人姚明海史龙尧顾勤龙(74)专利代理机构杭州天正专利事务所有限公司33201代理人王兵黄美娟(51)Int.Cl.G06K9/62(2006.01)G06K9/46(2006.01)权利要求书1页说明书3页附图1页(54)发明名称一种基于机器视觉的工件定位与识别方法(57)摘要一种基于机器视觉的工件定位与识别方法,包括：步骤1，创建SVM分类器，计算训练集图像的灰度共生矩阵，训练分类器；步骤2，工业相机采集流水线上工件的实时影像，并校正畸变；步骤3，通过OTSU阈值分割法将校正后的图像二值化，并用canny算法检测边缘，将目标与背景分割开来；步骤4，旋转矩形拟合过滤后的轮廓，得到旋转矩形的中心坐标和旋转角度，将每个工件分离出来；步骤5，求解图像坐标系与机器人坐标系的映射关系矩阵；步骤6,对每个工件中心坐标进行变换，实现对工件的定位；步骤7，计算分离出的工件区域图像的灰度共生矩阵，将矩阵相应统计量输入分类器进行预测，得到工件的类型；步骤8，将工件坐标，旋转角度和类型发送给机器人。CN110110760ACN110110760A权利要求书1/1页1.一种基于机器视觉的工件的定位与识别方法，步骤如下：步骤一，创建SVM分类器，计算训练集图像的灰度共生矩阵，将灰度共生矩阵的熵，相关性，均匀性，对比度作为分类器的输入，训练分类器；步骤二，采集流水线工件图片，采用张正友标定法对工业相机进行标定，校正拍摄图片畸变；步骤三，通过OTSU阈值分割法将校正后的图像二值化，并用canny算法检测边缘，将目标与背景分割开来；OTSU计算公式为：为第一类像素方差，w1(t)为第一类像素权重，由该类像素的数量决定，为第二类像素方差，w2(t)为第二类像素权重，OTSU算法思想是找到一个阈值T，使两类方差的加权和最小；步骤四，查找边缘图像的轮廓，将不是工件的轮廓去除，并将每个工件的分离出来，具体做法如下：4.1用旋转矩形去拟合每个轮廓，设置过滤条件，判断旋转矩形的长和高是否在工件指定范围内，如果标志位为假，则丢弃该轮廓，标志位的判断公式为：4.2用旋转矩形去拟合步骤4.1中已经过滤后的轮廓，得到矩形中心坐标和旋转角度，用外接矩形作为原图的ROI提取每个工件所在的区域；步骤五，求解图像坐标系与机器人坐标系的映射关系矩阵，具体过程如下：5.1图像坐标系与机器人坐标系映射矩阵为：(Xr,Yr)为机器人坐标，(Xi,Yi)为图像坐标系，(tx,ty)为坐两标系相对平移向量，θ为两坐标系相对旋转角度，a为X轴缩放系数，b为Y轴缩放系数；5.2在图像坐标中随机设置多处采样点，求得采样点在图像坐标系中的坐标集合U1，机器人末端执行器示教图像中的采样点，得到机器人坐标集合U2；5.3将图像坐标集U1和对应的机器人坐标集U2代入步骤5.1关系式中，求得映射矩阵未知参数，为消除测量误差，对多次求取结果取平均值,可解得映射矩阵；步骤六,对旋转矩形中心坐标(Xc,Yc)，即每个工件中心坐标进行变换，变换矩阵为步骤5.1中求出的映射矩阵，求得工件中心在机器人坐标系的坐标(Xr,Yr)，实现对工件的定位；步骤七，计算分离出的工件区域图像的灰度共生矩阵，将矩阵相应统计量输入分类器进行预测，得到工件的类型；步骤八，将工件坐标，旋转角度和类型发送给机器人。2CN110110760A说明书1/3页一种基于机器视觉的工件定位与识别方法技术领域[0001]本发明涉及机器视觉物体的定位与识别，尤其涉及一种流水线上工件的定位与识别方法。背景技术[0002]随着我国经济的飞速发展，人们消费水平提高，产品消费需求与日俱增,但随之劳动力成本不断上涨，机器换人趋势愈来愈明显。机器与视觉的配合使工业生产更加高效与智能，大大降低了产品的生产成本和生产周期。[0003]产品分拣是工业生产中最重要的一个环节之一，传统的人工分拣成本高，且效率低，难免因个人因主观原因导致分类错误，造成不必要的麻烦和损失。机器视觉的发展为解决这一类问题提供了可能。发明内容[0004]为解决人工分拣工件效率低，无法保证高正确率的问题，本发明提供一种工件的定位与识别方法，这种识别方法基于机器视觉，能充分利用图像处理快速、精确的优势，对生产流水线上的工件进行实时定位和类型识别，以配合工业机器人分拣的需求。[0005]为实现上述目的，本发明采用以下技术方案：[0006]一种基于机器视觉的工件定位与识别方法，包括如下步骤：[0007]步骤一，创建SVM分类