基于单目稀疏视角的无纹理零件位姿估计技术研究

摘要

在“机器换人”的大背景下，机器人视觉智能对制造业的产业升级具有重要的意义，搭配智能算法的具有视觉感知功能的工业机器人在工业生产中也日益受到重视。其中，通过视觉技术估计零件的位姿并进行自主的抓取装配等操作则是机器人视觉智能的核心内容。对于工业场景中常见的无纹理金属零件，其图像中的可用信息少，目前的技术大多是利用图像中边缘像素的底层特征进行计算，还不能实现快速、精确的位姿估计。 本文提出了一种新的无纹理金属零件位姿估计方法框架，能够利用稀疏模板实现高精度的和鲁棒的位姿估计。首先使用零件的几何特征匹配实际图像和模板图像，然后使用匹配完毕的几何特征上的特殊位置点计算精确的位姿。具体在本文中，我们选择直线轮廓的之间的相互关系作为描述金属零件的高级几何特征，并且使用实际图像和模板图像中的直线轮廓的匹配端点来精确地计算姿势。进一步地，本文基于现有的直线段检测子(Line Segment Detector,LSD)和线束描述子（Bunch Of Lines Descriptor,BOLD），提出了用于检测直线轮廓的规整化直线检测子(Complete LSD，CLSD)和用于描述直线轮廓的高级几何特征对比度不变线束描述子(Grayscale-Invert-Invariance BOLD，GIIBOLD)，解决了LSD与BOLD的不足，最后应用EPnP算法计算精确的位姿，实现上述位姿估计方法。 针对基于单目稀疏视角的无纹理零件的位姿估计技术，本文对单目稀疏视角模板生成、完整直线轮廓特征提取、基于线束特征的描述及基于稀疏模板的位姿估计等方面进行了研究，搭建了机器人零件位姿估计与抓取系统的软硬件平台，实现了对无纹理金属零件的位姿估计与抓取。

目录

声明

致谢

摘要

第1章绪论

1．1引言

1．2国内外研究现状

1．2．1基于多目视觉及深度视觉的位姿估计方法

1．2．2基于单目视觉的位姿估计方法

1．3本文的研究意义与技术路线

1．4本文的主要内容及架构

1．5本章小结

第2章基于无纹理零件CAD模型的稀疏视角采样

2．1引言

2．2基于颜色编码的CAD模型图像渲染

2．2．1光场环境模拟

2．2．2模型颜色编码

2．3基于记忆化方法的CAD模型顶点信息关联

2．4基于菲波那契网格法的稀疏视角模板采样

2．5本章小结

第3章基于规整化直线检测子的无纹理零件特征提取

3．1引言

3．2基于线段检测子(LSD)的特征提取

3．3基于规整化直线检测子(CLSD)的特征提取

3．4本章小结

第4章基于对比度不变线束描述子的无纹理零件边缘轮廓匹配

4．1引言

4．2对比度不变线束描述子(GIIBOLD)的构建

4．2．1基于前景物体主方向的线束方向确定

4．2．2基于k近邻线段的线束描述子的构建

4．3基于对比度不变线束描述子(GIIBOLD)的轮廓匹配

4．3．1推广化的描述子距离计算方法构建

4．3．2线束描述子匹配实例分析

4．4本章小结

第5章基于稀疏视角模板的零件位姿估计

5．1引言

5．2相机内外参数标定

5．3基于EPnP的零件位姿估计

5．3．1基于记忆化数据的点对生成

5．3．2基于透视n点方法的位姿计算

5．4零件位姿估计测试

5．5本章小结

第6章机器人零件位姿估计与抓取系统开发

6．1引言

6．2机器人零件位姿估计与抓取系统硬件架构

6．3机器人零件位姿估计与抓取系统软件架构

6．3．1软件架构层次设计

6．3．2软件内部通讯架构设计

6．3．3软件图形用户界面设计

6．4机器人零件位姿估计与抓取应用验证

6．4．1手眼标定及坐标转换

6．4．2实际零件抓取实验

6．5本章小结

第7章总结与展望

7．1工作总结

7．2工作展望

参考文献

作者简介