论文部分内容阅读
在注塑模具生产过程中，由于流水线上注塑模具的多样性以及所处位置不确定性，传统的机器人又是以固定姿态抓取注塑模具，该方法自动化程度和精度都不高，所以生产效率较低。相比传统的三维定位抓取方法，基于双目视觉的机器人具有高效率、高精度以及自动化程度高等优势。因此，本文基于双目视觉模型，结合相机标定技术、特征匹配技术和动态跟踪技术，开发了应用于工业流水线上的注塑模具工件识别与定位跟踪系统，实验表明，该系统能自动识别与定位工件相对于相机的三维坐标，定位误差为±2mm，同时跟踪效果良好，本文主要研究了以下几个方面： （1）相机的标定和图像校正。通过分析对比多种相机标定法的优缺点，结合本课题的实验平台以及应用场景，提出采用张正友标定法对相机进行标定，得到了双目相机的内外参数；在图像校正方面，提出采用Bouguet算法对图像进行校正。 （2）特征提取与匹配算法研究中，首先采用高斯滤波算法去除了图像噪声影响；然后分别使用特征匹配算法（SIFT、SURF、FREAK、ORB）对图像进行特征点的提取以及匹配，并提出采用RANSAC算法改进匹配算法，实验证明改进后的算法在匹配精度上提高了；通过实验对比改进后算法的特征提取与匹配的时间、匹配的准确率以及算法的稳定性，提出了将实时性和准确率都较高的ORB算法作为工件识别算法。 （3）工件识别与定位。采用改进后的ORB特征匹配算法对工件模板图像和场景图像进行特征匹配，实现了工件识别，并验证了工件被遮挡、旋转及光照变化情形下工件识别的准确性与稳定性，实验证明工件识别效果良好；通过透视变换矩阵确定工件所在场景图像中的区域，同时分割出只包含工件目标的区域；通过对已经识别分割出的工件区域再进行ORB特征匹配，利用获得的匹配点求取视差后，采用三角测量法完成了对工件的定位，得到了相对于相机的三维坐标；通过精度分析实验得到定位误差在±2mm范围内，达到本课题的需求。 （4）针对流水线上运动的注塑模具工件进行跟踪的研究中,本文对核相关滤波算法（KCF）跟踪算法进行了深入的研究，提出将ORB识别工件作为目标检测算法，之后将识别后的工件作为KCF跟踪的输入目标，实验证明，KCF跟踪算法解决工件跟踪的实时性问题。