视觉机器人在贴合应用中的关键技术研究

摘要

随着现代制造业的逐步发展,机器人在人类生产生活中扮演着越来越重要的角色,而机器视觉的出现使机器人更加的智能化。机器视觉能够像人眼一样获取外部世界的大量信息,最大限度的降低外部世界的干扰,并且可以在远距离完成对目标的探测任务,适用于较为恶劣的生产环境,因而越来越受到人们的重视。本文在研究了图像处理、图像识别及摄像机标定等技术之后,提出了一套机器人智能定位系统,该系统分为三部分。
　　1)图像处理部分。本文研究了图像预处理的一些方法,通过对中值滤波、均值滤波和高斯滤波等方法的实验比较,发现传统的滤波方法会对图像产生模糊化的效果,因而选择高斯滤波作为去除噪声的方法。论述了几种图像分割的方法,根据机器视觉实际使用的场合和对几种方法效果的对比,选用Ostu法作为图像分割的方法。阐述了Sobel、Roberts和Canny等边缘检测算子的优劣,经过实验的对比,将 Canny边缘检测算子应用于机器视觉中是比较合适的。
　　2)图像识别部分。本文分析了基于灰度的匹配技术及基于特征的匹配技术,由于基于灰度的匹配技术计算量大,限制比较多。而基于特征的匹配技术具有稳定性好、匹配效率高、对图像的灰度和几何畸变等不敏感,抗噪声性能较强特征的特征,故而被选用为图像识别方法。在得到目标物体的边缘之后,采用Hough变换获得目标图像的最长边,进而求取原件偏转角。
　　3)摄像机标定部分。本文讨论了摄像机的小孔成像模型和摄像机镜头的畸变模型。采用张正友的标定方法对摄像机进行标定,计算摄像机的内部参数和外部参数,求取成像坐标系和世界坐标系之间的转换关系。
　　该视觉定位系统在经过反复的调试之后,可以使定位精度达到0.02 mm以下,满足了贴片所需要的精度。目前,国内用于贴片的都是专用的贴片机,而使用机器人进行贴片应用的非常少。贴片机不仅价格昂贵,而且只能用于专用的场合,不具有通用性。将本文所研究的视觉定位系统整合到机器人控制系统中,不仅能达到贴片所需要的速度和精度,该系统也能够适用于其他的应用场合,比如零件的装配等。这个系统的通用性对于机器人的广泛应用具有较大的推动作用。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 研究工作的背景与意义

1.2 视觉机器人的国内外研究历史与现状

1.3 本文的主要研究方向及其发展现状

1.4 本文的结构安排

第二章 机器人视觉定位系统的总体设计

2.1 机器视觉系统的结构设计

2.2 机器视觉系统的硬件平台设计

2.3 机器视觉系统的软件设计

2.4 本章小结

第三章 视觉机器人定位系统的图像预处理

3.1 数字图像概述

3.2 图像滤波

3.3 图像分割

3.4 边缘检测

3.5 几种边缘检测算法的实验对比

3.6 本章小结

第四章 视觉机器人定位系统的图像匹配识别

4.1 基于灰度统计的模板匹配

4.2 基于图像特征的模板匹配

4.3 元件偏转角

4.4 本章小结

第五章 摄像机标定的方法研究

5.1 非线性优化法

5.2 摄像机的标定模型

5.3 摄像机的标定方法

5.4 标定实验

5.5 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致谢

参考文献

附录

攻读硕士学位期间的研究成果