基于双目视觉的注塑模具识别与定位跟踪

摘要

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。

目录

第一章 绪论

1.1 本课题研究背景及意义

1.2 国内外研究现状

1.3 本课题研究的主要内容

第二章 双目立体视觉基本原理与相机标定

2.1 引言

2.2 双目视觉的基本原理

2.3 摄像机模型与坐标系的建立

2.4 双目视觉定位原理与软硬件平台搭建

2.5 摄像机的标定

2.6 图像校正

2.7 本章小结

第三章 图像特征提取与匹配

3.1 引言

3.2 高斯滤波

3.4 图像特征与立体匹配综述

3.5 特征点提取算法

3.6 特征点匹配算法优化

3.7特征匹配算法性能实验分析

3.8本章小结

第四章 工件识别与定位

4.1 引言

4.2 基于ORB算法工件识别

4.3 目标工件定位

4.4本章小结

第五章 动态工件跟踪

5.1 引言

5.2 目标检测算法

5.3 目标跟踪算法

5.4 KCF跟踪工件效果

5.5 本章小结

结论与展望

参考文献

攻读学位期间发表的论文

声明

致谢