一种提高工业机器人三维视觉识别精度的匹配矫正方法
【技术领域】
[0001] 本发明属于机器人三维视觉系统技术领域，具体涉及一种提高工业机器人三维视 觉识别精度的匹配矫正方法。
【背景技术】
[0002] 工业机器人是一种对生产条件和生产环境适应性和灵活性很强的柔性自动化设 备。特别适用于多品种、变批量的柔性生产。它对稳定提高产品品质、提高生产效率和改善 劳动条件起着非常重要的作用。由于机器人是一种能适应产品迅速更新换代的柔性自动化 设备，所以它的应用大大缩短了新产品的换产周期，从而提高了产品的市场竞争力。在当代 工业技术革命中，工业生产日益趋向柔性自动化方向发展，工业机器人技术已成为现代工 业技术革命中一个重要组成部分，许多国家都已将机器人技术列入高技术发展计划。工业 机器人技术的发展必将对社会经济和生产力的发展产生更加深远的影响。
[0003] 工业机器人是FMS加工单元的主要组成部分，它的灵活性和柔性使其成为自动化 物流系统中必不可少的设备，主要用于物料、零件的装卸、分捡和贮运。目前全世界有数以 百万的各中类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，不过这些 应用都是基于先精确的示教后运行，而且工作环境都是预先安排好的，所以机器人能成功 地抓取物体。但是我们知道很多情况下特别是流水线的场合零件的位姿常常是不固定的， 实际目标物体的位姿和理想目标物体位姿总是有偏差的，这种偏差哪怕很小就会导致机器 人操作任务的失败。这种由于环境的变化而导致机器人不能很好地完成任务的情况极大地 限制了机器人的实际应用范围。随着现代生产制造技术的进步，进一步提高生产线的柔性 的要求也日益迫切，对工业机器人系统应用领域、灵活性和主动性要求也越来越高，而机器 人具备一定自主性的前提是对自身环境有一定的了解，这迫使人们增加传感器来提高机器 人对环境的感知能力，在这方面，视觉、接近觉、触觉和力觉具有重大的作用，机器人视觉被 认为是机器人最重要的感觉能力。视觉是人类观察世界和认知世界的重要手段。据统计表 明，人类从外界获取的信息，80%以上都是来自视觉，这表明人类视觉功能的重要性，以及 人类对视觉信息有非常高的利用率。人类长久以来都梦想赋予工业机器人视觉功能，机器 人视觉是模拟人类视觉在机器人上的体现。
[0004] 如今的高端工业机器人视觉正朝三维技术发展，通过对产品三维信息的识别可以 得到更加完整的空间信息以提高识别的准确率。这种三维视觉技术的基础是建立产品的三 维模型，双目视觉是现在常用的三维建模方法之一。它主要采用两个标定好的摄像头，从 不同的角度对产品拍摄二维图像，然后利用特征点匹配法，将产品上的同一个点分别在两 幅图像中的影像点配对，从而建立三维点云与最终的三维模型。这种三维建模的方法很依 赖于产品位置、产品形状标准化、特征点匹配的精度，然而现有的特征点匹配法的精度不够 高，经常会产生误匹配的情况，严重影响后续的三维建模的精度。
【发明内容】
[0005] 本发明提供了一种提高工业机器人三维视觉识别精度的匹配矫正方法，将零件准 确地调整到扫描位置，严格控制零件的形状轮廓，对获取的同一零件的两张不同角度的图 像进行特征点一一匹配，判断和消除无匹配点对，矫正误匹配点对，提高了特征点匹配的准 确度，提高了三维建模的精度。
[0006] 本发明采用如下技术方案：
[0007] -种提高工业机器人三维视觉识别精度的匹配矫正方法，其特征在于包括如下步 骤：
[0008] (a)建立视觉引导的机器人系统：
[0009] 采用上、下两层的独立结构系统，上层结构系统控制获取、处理外界信息，作出决 策，并对下层结构系统发送控制信息，上层结构系统采用机器人控制器，下层结构系统接受 上层结构系统的控制信息，对电机的进行控制操作，电机驱动连接机器人本体，再将末端操 作器固定到机器人的机械臂上，接着将传感器固定在处于直角坐标上的末端操作器上，将 零件放置在工作台面上；
[0010] (b)零件位置的检测及调整：
[0011] 采用检测模块检测放置在工作台面上的零件，记录零件所处的位置，根据扫描系 统的路径，通过分析模块分析出对比标准图像的位置与零件所处的位置的错位量，通过位 置补正系统调整零件在工作台面上的位置，使得零件处于扫描系统的扫描面范围中；
[0012] (C)零件的检测及更换：
[0013] 确定零件处于扫描面范围中后，轮廓识别系统以合格的零件的轮廓信息为基准， 排查处于工作台面上的零件，获得零件的相识度，将处于工作台面上的不合格零件更换成 新的零件；
[0014] (d)图像的获取和转化：
[0015] 将扫描系统以恒定的运动速度沿平行于扫描面的方向前进，扫描系统扫过零件表 面，调整扫描系统角度，扫描系统再次扫过零件表面，通过信号采集模块获取两张同一物 体不同角度的图像，将获取的图像经过转化模块分割成由相邻像素组成的许多水平线，将 每个像素的亮暗程度用一个整数值来表示，图像被表示为一个整数矩阵，转化为数字化图 像；
[0016] (e)摄像头畸变处理：
[0017] 通过视觉畸变处理模块测算出摄像头畸变实际像素坐标和理想像素坐标，通过实 际像素坐标和理想像素坐标测算出镜头畸变系数向量，通过镜头畸变系数向量排查出畸变 类型，为后期摄像机标定工作做好准备；
[0018] (f)摄像机标定：
[0019] 确立外界三维场景中的特征点坐标与其在图像平面上的对应像点坐标之间的映 射关系，将摄像头坐标系下的三维测量坐标转换为机器人处理模块坐标系下的三维坐标；
[0020] (g)对图像灰度化处理；
[0021] (h)图像预处理：
[0022] 图像预处理采用图像增强和图像平滑方式处理图像中的噪声信号，提高图像的清 晰度，保证后续边缘特征提取的操作顺利进行；
[0023] (i)边缘特征提取：
[0024] 进过预处理后的两张同一物体不同角度的图像，采用SURF算法模块，在20*20大 小的像素区域范围内，分成4*4个子区域，在每个子区域用相对主方向的水平和垂直方向 的Harr小波响应之和以及响应的绝对值之和来确定，最终形成64维特征描述向量，对两张 同一物体不同角度的图像进行特征点提取，接着运用特征点匹配的方法将两张图像的特征 点--匹配；
[0025] (j)边缘特征匹配及矫正：
[0026] 针对其中一张图像作为参考图像，根据其特征点对其进行三角剖分，获得该图像 的三角剖分图，根据参考图像的三角剖分图，对另一张图像进行特征点连接，并判定出异常 边缘，进一步根据每一个特征点的异常边缘和正常的比例，判断出错误的匹配点，删除错误 的匹配点所对应的特征点对，删除异常边缘，在检测的异常边缘的基础上检测并消除误匹 配点对，计算一个特征点所连接的异常边缘的数量与其连接的总边缘的数量的比值，出现 比值大于一定的阈值，将其对应的特征点对删除，完成边缘特征匹配及矫正。
[0027] 本发明由于采用了上述技术方案，具有以下有益效果：
[0028] 本发明先通过分析模块分析出对比标准图像的位置与零件所处的位置的错位量， 通过位置补正系统将零件准确地调整到扫描位置，接着轮廓识别系统以合格的零件的轮廓 信息为基准，严格控制零件的形状轮廓，然后对获取的同一物体的两张不同角度的图像进 行特征点一一匹配，根据其特征点的拓扑关系，获得参考图像的三角剖分图，根据参照图像 的三角剖分图对另一图像进行同样的特征点连接，并判定出异常边缘，进一步根据每一个 特征点的异常边缘与正常的比例，判断和消除无匹配点对，矫正误匹配点对，提高了特征点 匹配的准确度，提高了三维建模的精度，这样使得在工业机器人工作之前，通过工业机器人 三维视觉实时地采集零件的位置信息并处理相关图像信息，准确地对零件进行识别和定 位，确定所需的零件的位置和方向，从而工业机器人可以准确抓取零件，工业机器人通过三 维视觉了解工作环境的变化，相应地调整动作，保证任务的正常完成，提高生产的柔性和自 动化程度。
【附图说明】
[0029] 下面结合附图对本发明作进一步说明：