工业机器人智能打磨视觉系统中铸件飞边信息提取关键技术研究与应用

摘要

随着社会工业化的不断深入，越来越多的机器人被运用到工厂当中，但是采用人工对铸件进行清理打磨比例仍然很大并且以传统的锤击和普通砂轮机研磨方式为主，这样不仅加重了企业的负担，与此同时恶劣的打磨环境对工人的身体健康也造成了巨大的危害。因而研究智能打磨视觉系统相关技术具有重要意义。本文重点研究铸件生产线中工业机器人智能打磨系统的关键视觉处理技术，利用视觉图像处理，感知铸件飞边的位置与大小，为工业机器人运动控制提供参考，以提高机器人的工作效率与安全可靠性。但是工业铸件生产线生产条件非常恶劣，而且目前铸件行业利润较低，为了降低成本，视觉系统采用低端摄像机，这样给本文的研究带来较大的挑战。本文的研究内容主要包括以下几点:　　1.本文在对铸件飞边的提取中，主要考虑使用铸件具有丰富几何边缘的特性，同时考虑实际工作中的恶劣环境。首先，对成熟算子进行筛选，在此基础上，设计了一种铸件边缘检测效果的评价指标。该指标从漏检率和最小方差这两个方面进行边缘检测效果的评价。其次，利用本文设计的铸件边缘检测评价指标进行实验，记录实验数据并与主观评价进行比较。实验结果表明，该指标与人为主观评价结果是一致的，这为生产线视觉识别飞边位置与大小提供了可靠性保障。　　2.本文在上一步骤边缘检测的基础上，提出了针对铸件几何空间优化的方法。在复杂的工业应用环境中，经过边缘检测的铸件图像，包含大量的干扰信息以及很多有效的几何信息，为了获得更加准确的匹配，使下一步对飞边的检测更加准确，本文利用线分叉度以及周长大小等几何特征，实现针对铸件几何空间的优化。具体应用上，本文利用SIFT算法和SURF算法对铸件图像特征点进行提取和配准，分析了两种算法对铸件特征配准的效果;并且根据铸件图像的几何边缘特征，进行几何空间优化，去掉了背景中的特征点干扰，使特征点更加集中在铸件上;最后，本文再将铸件图像进行全局和局部处理。实验表明，利用几何优化富集特征点后，可以进行局部处理进而获得更加精准的匹配结果。　　3.本文利用以上的分析结果，设计了一个图像空间到物理空间的处理流程，实现了对铸件飞边提取。首先，利用标准铸件的标定图像标定出敏感区域与设定加工基准线，对待打磨的铸件图像进行图像匹配、图像飞边边缘检测、飞边边缘几何空间优化、飞边边缘位置搜索，再利用标定的参数，将图像飞边位置映射到物理空间，最后，把视觉飞边提取的结果，应用到工业机器人智能打磨系统中，试验表明，通过视觉的飞边位置感知，可以有效降低工业机器人与铸件的冲击力度。

目录

声明

摘要

1．1 研究背景及意义

1．2 国内外研究现状

1．3 研究目的和内容

1．3．1 研究目的

1．3．2 研究内容

2．1 引言

2．2 铸件图像预处理

2．2．1 对比度增强

2．2．2 图像的平滑

2．3 铸件边缘检测

2．3．1 Sobel算子检测

2．3．2 Roberts算子检测

2．3．3 Prewitt算子检测

2．3．4 Laplace算子检测

2．3．5 Log算子检测

2．3．6 Kirsch算子检测

2．3．7 Canny算子检测

2．4 铸件边缘检测性能分析

2．5 铸件边缘检测评价指标

2．5．1 边缘漏检率指标

2．5．2 边缘最小方差指标

2．5．3 边缘检测图像评价指标

2．6 本章小结

3．1 引言

3．2 图像匹配算法概述

3．2．1 图像匹配定义

3．2．2 图像匹配方法分类

3．3 铸件特征点匹配分析

3．3．1 SIFT特征点匹配分析

3．3．2 SURF特征点匹配分析

3．4 几何特征优化

3．5 铸件图像空间变换

3．5．1 空间几何变换模型

3．5．2 估计仿射变换模型参数

3．5．3 铸件图像匹配精准度

3．6 本章小结

第四章 铸件图像处理应用

4．1 实验环境

4．2 铸件飞边匹配

4．2．1 铸件飞边图像预处理

4．2．2 铸件飞边图像Canny算子边缘检测

4．2．3 铸件飞边图像形态学处理

4．2．4 铸件飞边几何特征优化

4．2．5 铸件飞边图像匹配

4．3 铸件飞边搜索和输出

4．4 铸件飞边空间转换

4．5 铸件飞边视觉减速

4．6 本章小结

5．1 本文总结

5．2 展望

参考文献

致谢

硕士期间发表的论文