机器视觉是机器人领域的重要研究方向之一,在机器人通过视觉系统对特定目标进行识别的过程中,很容易受到环境光照强度变化的影响。针对上述问题,本文提出了一种在变光照环境下识别目标体的方法,采用强化学习算法,通过在不同光照环境下自动调节相关参数,实现了对目标体的自适应拾取。论文首先对变光照环境下拾取目标体的方法进行了归纳总结,并对光照模型、颜色空间模型和彩色摄像机的成像原理进行了分析。在此基础上,将图像由RGB模式转换到HSV模式,并对颜色进行色彩通道的分离,应用阈值法提取待识别物体的参数信息。对得到的图像实施形态学处理后,通过边缘检测算法得到目标体的轮廓信息,利用轮廓进行目标匹配识别。对光照强度进行了离散化分割,针对不同光照值下同一物体颜色色度范围不变,但饱和度和亮度范围发生变化的情况,采用强化学习实现目标体颜色饱和度和亮度参数值的自适应调节。对比分析了强化学习的常用算法,选用Sarsa算法,确定了相关参数、强化函数及搜索策略。采用Open CV函数库和VC++开发了相关的学习软件,搭建了以计算机为上位机单片机为下位机的硬件实验平台,对算法进行了验证。实验结果表明,论文的方法正确可行,在变光照的环境下对目标体的拾取具有较好的自适应性和鲁棒性。