機(jī)器視覺識(shí)別技術(shù)在分揀機(jī)器人系統(tǒng)中的應(yīng)用.pdf

1、機(jī)器視覺識(shí)別技術(shù)是傳統(tǒng)生產(chǎn)向智能化生產(chǎn)轉(zhuǎn)變的關(guān)鍵。在分揀機(jī)器人系統(tǒng)中，視覺軟件接收?qǐng)D像采集設(shè)備傳輸?shù)膱D像，根據(jù)圖像中的像素分布和灰度值，提取圖像信息，包括物體的位置、角度等，之后將這些信息處理為下位機(jī)可接受的數(shù)據(jù)發(fā)送給下位機(jī)，實(shí)施分揀操作。在融合了機(jī)器視覺技術(shù)后，分揀機(jī)器人工作效率更高，穩(wěn)定性和安全性更好，完全可以代替并超越人工分揀，在降低成本的同時(shí)提高生產(chǎn)效率。
　　以開發(fā)分揀機(jī)器人系統(tǒng)中視覺軟件為目標(biāo)，針對(duì)模板制作、圖像匹配、

2、軟件校準(zhǔn)及應(yīng)用三方面內(nèi)容展開研究。在模板的制作方面，設(shè)計(jì)了一個(gè)中值濾波器對(duì)圖像進(jìn)行平滑濾波，針對(duì)圖像輪廓部分增強(qiáng)其對(duì)比度，使得圖像輪廓更為突出。在輪廓提取的方法中，設(shè)計(jì)了基于Canny算法的輪廓提取方法。之后探究相關(guān)Halcon算子運(yùn)行原理，通過大量試驗(yàn)對(duì)比調(diào)試內(nèi)部參數(shù)，完成了模板制作。在圖像匹配方面，首先分析了幾種常用的模板匹配方法，針對(duì)它們的優(yōu)勢(shì)和劣勢(shì)做出比較后選擇使用基于輪廓形狀的模板匹配方法。隨后，研究一種改進(jìn)的圖像匹配流程，以

3、基于金字塔結(jié)構(gòu)的 Hausdorff距離匹配算法為原理，設(shè)計(jì)了匹配方案，實(shí)現(xiàn)對(duì)圖片中目標(biāo)物體的識(shí)別。提出了在匹配的速度和完備性產(chǎn)生沖突時(shí)采用的優(yōu)化策略，最大程度實(shí)現(xiàn)了穩(wěn)定高速的匹配過程。在軟件校準(zhǔn)及應(yīng)用部分詳細(xì)闡述了軟件標(biāo)定的原理，研究并設(shè)計(jì)了一種優(yōu)化的軟件標(biāo)定方法，通過合理使用函數(shù)庫(kù)中的算子實(shí)現(xiàn)了對(duì)相機(jī)的內(nèi)外參數(shù)的標(biāo)定。針對(duì)分揀機(jī)器人結(jié)構(gòu)，將匹配返回的結(jié)果轉(zhuǎn)換為下位機(jī)可以直接執(zhí)行的數(shù)據(jù)，并通過 EPA報(bào)文實(shí)現(xiàn)了上下位機(jī)的通訊。