一种基于SURF特征的零件识别算法

摘要

针对传统零件识别系统时间效率低等问题,提出基于SURF(Speeded-Up Robust Features)特征的零件识别算法.该算法首先对零件图像进行相关预处理,然后通过SURF算法得到零件图像的特征点和相应的特征向量,最后根据零件识别任务的特点,运用近似最近邻算法ANN(Approximate Nearest Neighbor)进行特征向量的匹配搜索,得到与模板图像最相似的图像序列.通过SURF算法和ANN算法的联合使用,解决了零件在旋转、尺度、模糊和光照变化后的识别难题,实现了算法的实时性和工业化要求.实验表明,相比于传统零件识别算法,该算法在算法效率及稳定性等方面都有显著性提高.