一种机器人视觉定位方法.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CN109903329A(43)申请公布日2019.06.18(21)申请号201711299630.3(22)申请日2017.12.10(71)申请人广州映博智能科技有限公司地址510665广东省广州市中山大道西140号华港商务大厦1221(72)发明人覃争鸣杨旭李康(51)Int.Cl.G06T7/70(2017.01)G06K9/62(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种机器人视觉定位方法(57)摘要本发明公开了一种机器人视觉定位方法，该方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。CN109903329ACN109903329A权利要求书1/1页1.一种机器人视觉定位方法，其特征在于，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。2CN109903329A说明书1/4页一种机器人视觉定位方法技术领域[0001]本发明属于机器人视觉定位领域，涉及一种机器人视觉定位方法。背景技术[0002]近年来，基于双目视觉的工件识别定位为机器人3-D自动抓取提供图像信息成为研究重点，其中立体匹配和关键抓取点的3-D信息重建是主要研究内容。[0003]立体匹配作为双目视觉的关键技术，其目的是确定立体图像对点之间的对应关系，精度高、速度快和鲁棒性强的匹配算法成为广大研究者追求的目标。[0004]由于工件图像一般缺乏纹理和颜色特征，导致部分特征点匹配方法检测到的特征点较少，故由于区域灰度的相似性导致的误匹配在一定程度上不能保证后续定位精度。发明内容[0005]本发明目的在于提供一种机器人视觉定位方法，通过将形状上下文引入双目视觉工件图像的立体匹配中，并引入质心约束条件，融合形状上下文和梯度方向直方图构成联合相似性度量，引入RANSAC剔除误匹配点，实现了较高的匹配精度及更快的匹配速度，满足了工业上双目视觉快速、准确的工件深度信息提取和3-D定位要求，有效地解决了传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求问题。[0006]为解决上述技术问题，本发明采用如下的技术方案：一种机器人视觉定位方法，所述方法包括：S1，对工件进行图像采集、预处理及轮廓的提取；S2，对特征向量进行距离归一化处理；S3，确定候选匹配点集；S4，得到初始匹配点集；S5，剔除误匹配点对。[0007]本发明与现有技术相比具有以下的有益效果：[0008]本发明方案通过将形状上下文引入双目视觉工件图像的立体匹配中，并引入质心约束条件，融合形状上下文和梯度方向直方图构成联合相似性度量，引入RANSAC剔除误匹配点，实现了较高的匹配精度及更快的匹配速度，满足了工业上双目视觉快速、准确的工件深度信息提取和3-D定位要求。附图说明[0009]图1是机器人视觉定位方法流程框图。[0010]图2是形状上下文的bin分布图。具体实施方式[0011]下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。[0012]参照图1，本发明的一种机器人视觉定位方法，所述方法包括：[0013]S1，对工件进行图像采集、预处理及轮廓的提取；3CN109903329A说明书2/4页[0014]采用自主研发的两个相同配置的640×480分辨率的黑白CCD相机构成双目视觉系统，分别从不同视角拍摄待检工件，但采集环境的光照强度、空气中的漂浮物、镜头周围可能出现的灰尘等因素，都会影响工件图像采集的效果。[0015]工件图像的预处理过程，是为了增强感兴趣的区域，模糊噪声区域，得到便于后续分析计算的高质量图像。在图像预处理中用到的一般方法有：灰度处理，图像滤波，立体校正等。[0016]S2，对特征向量进行距离归一化处理；[0017]对轮廓采样点进行对数极坐标变换，统计立体图像对各轮廓采样点的形状上下文直方图特征向量，并对特征向量进行距离归一化处理。[0018]形状上下文特征用有限轮廓采样点集合来表示待匹配物体，同时假设这些轮廓采样点足以表征物体的形状信息。假设轮廓采样点集合由Pλ＝{p1,p2,…,pλ}表示，λ表示轮廓采样点数目。[0019]S21，对数极坐标变换；[0020]以第i个轮廓采样点pi(xi,yi)作为参考坐标原点，按下式进行对数极坐标变换，使得形状上下文特征对距离点pi(xi,yi)较近的轮廓采样点较为精确地描述，对距离相对较远的轮廓采样点进行近似的描述