机器视觉识别技术在分拣机器人系统中的应用

摘要

机器视觉识别技术是传统生产向智能化生产转变的关键。在分拣机器人系统中，视觉软件接收图像采集设备传输的图像，根据图像中的像素分布和灰度值，提取图像信息，包括物体的位置、角度等，之后将这些信息处理为下位机可接受的数据发送给下位机，实施分拣操作。在融合了机器视觉技术后，分拣机器人工作效率更高，稳定性和安全性更好，完全可以代替并超越人工分拣，在降低成本的同时提高生产效率。
　　以开发分拣机器人系统中视觉软件为目标，针对模板制作、图像匹配、软件校准及应用三方面内容展开研究。在模板的制作方面，设计了一个中值滤波器对图像进行平滑滤波，针对图像轮廓部分增强其对比度，使得图像轮廓更为突出。在轮廓提取的方法中，设计了基于Canny算法的轮廓提取方法。之后探究相关Halcon算子运行原理，通过大量试验对比调试内部参数，完成了模板制作。在图像匹配方面，首先分析了几种常用的模板匹配方法，针对它们的优势和劣势做出比较后选择使用基于轮廓形状的模板匹配方法。随后，研究一种改进的图像匹配流程，以基于金字塔结构的 Hausdorff距离匹配算法为原理，设计了匹配方案，实现对图片中目标物体的识别。提出了在匹配的速度和完备性产生冲突时采用的优化策略，最大程度实现了稳定高速的匹配过程。在软件校准及应用部分详细阐述了软件标定的原理，研究并设计了一种优化的软件标定方法，通过合理使用函数库中的算子实现了对相机的内外参数的标定。针对分拣机器人结构，将匹配返回的结果转换为下位机可以直接执行的数据，并通过 EPA报文实现了上下位机的通讯。
　　最后，在.NET框架下运用Halcon函数库编写视觉软件，软件实验结果表明，各功能模块都能够正常工作，性能指标达到机器人系统要求，机器人在视觉软件的参与下实现智能分拣。

目录

声明

1绪论

1.1 论文背景

1.2 研究目的和意义

1.3 国内外研究现状

1.4 主要研究内容

2软件功能概述

2.1 软件功能需求

2.2 匹配方案选择

2.3 软件结构

2.4 系统硬件结构

2.5 本章小结

3模板制作

3.1 多模板制作程序设计

3.2 模板录入

3.3 模板新增与删除

3.4 模板选定与忽略

3.5 本章小结

4图像匹配

4.1 多模板匹配程序设计

4.2 图像匹配算子参数配置

4.3 本章小结

5软件校准及应用

5.1 软件标定

5.2 坐标转换与发送

5.4 软件测试

5.5 本章小结

结论

参考文献

致谢