基于位置的机器人视觉伺服控制及目标识别方法研究

论文摘要

机器人视觉技术是机器视觉的一个重要研究领域,它是以计算机视觉理论和数字图像处理技术为基础而发展起来的一门新兴学科,目前在国内外备受机器人学研究者的广泛关注,并已经在许多领域获得了成功的应用。本文以GRB-400四自由度视觉机器人系统为研究对象,利用基于位置的视觉伺服控制方法分别研究了机器人对单目标物体和多目标物体的识别与抓取,获得了一些重要的研究成果和结论。针对GRB-400视觉机器人系统进行了详尽的分析,构建了包括摄像机及其标定、数字图像获取和处理、坐标变换、机器人运动学模型建立与分析、轨迹规划以及伺服控制系统在内的机器人视觉伺服控制系统的框架结构,为后续的研究奠定了可靠的基础。以实际目标物体为对象,通过对包括图像滤波、图像增强、边缘检测和图像分割等在内的相关图像预处理技术和算法的分析比较研究,选择了适用于本视觉伺服系统的各图像预处理方法。利用D-H方法建立了GBR-400四自由度机器人运动学模型,并给出了运动学反解,这为机器人轨迹规划提供了理论依据;研究了摄像机标定技术,提出了一种方便快捷的摄像机线性标定方法,将非线性模型简化为线性模型,降低了对系统实验条件的要求,简化了复杂的机器人与摄像机的标定过程,通过实验验证了该方法的可行性。研究了基于位置的双目视觉机器人视觉伺服控制系统,对系统的组成结构、图像处理相关技术、单目标物体识别方法、运动学分析及轨迹规划、视觉伺服控制等进行了详尽分析和研究,分析了传统模板匹配算法,然后在此基础上提出了对单目标物体的基于总像素点匹配的识别算法,利用实验验证了所提出的方法的有效性。针对机器人视觉伺服系统多目标物体的识别问题,通过分析和研究提出了基于Hu不变矩特征和以欧几里得距离为相似性测度的多目标物体识别方法,通过对五个目标物体的识别、选择和抓取实验研究,验证了该方法的有效性,也证明了矩不变量作为特征值用于目标物体识别的可行性。同时也进一步证明:基于特征的机器人视觉伺服控制是未来机器人视觉服控制研究中一个很有发展潜力的研究方向。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 机器人视觉伺服系统国内外研究历史及现状
• 1.2.1 视觉伺服系统的类型
• 1.2.2 基于位置的视觉伺服系统
• 1.2.3 基于图像的视觉伺服系统
• 1.2.4 双目视觉伺服研究现状
• 1.3 研究目的和内容
• 1.3.1 研究目的
• 1.3.2 研究内容
• 第二章 目标物体的图像获取与处理
• 2.1 图像获取
• 2.1.1 图像的生成
• 2.1.2 图像的数字化
• 2.1.3 图像的存储格式
• 2.2 图像的预处理
• 2.2.1 对比度增强
• 2.2.2 图像平滑
• 2.3 图像分割
• 2.3.1 图像分割的数学描述
• 2.3.2 图像分割方法
• 2.4 图像边缘检测
• 2.4.1 边缘检测概述
• 2.4.2 常用的四种边缘检测的算法
• 2.4.3 边缘检测实验结果分析
• 2.5 本章小结
• 第三章 基于图像匹配的目标物体识别
• 3.1 引言
• 3.2 模板匹配
• 3.3 基于总像素点的模板匹配
• 3.4 图像的不变矩匹配
• 3.4.1 矩的概述与定义
• 3.4.2 矩的物理意义
• 3.4.3 矩函数的各种变换
• 3.5 HU 矩不变量及目标物体识别
• 3.6 目标物体质心计算及旋转角度计算
• 3.6.1 目标物体质心计算
• 3.6.2 目标物体旋转角度的计算
• 3.6.3 目标物体深度计算
• 3.7 本章小结
• 第四章 机器人视觉系统及其标定相关技术研究
• 4.1 系统标定概述
• 4.2 GRB-400 机器人系统介绍
• 4.2.1 GRB-400 机器人正运动学模型建立
• 4.2.2 GRB-400 机器人逆运动学求解
• 4.3 摄像机成像模型
• 4.4 视觉系统需标定的参数及方法
• 4.4.1 坐标变换原理
• 4.5 本章小结
• 第五章 单目标物体双目视觉伺服控制实验研究
• 5.1 引言
• 5.2 双目视觉机器人系统及视觉伺服控制
• 5.2.1 系统结构及原理
• 5.2.2 GRB-400 机器人及GT-400-SG-PCI 卡
• 5.2.3 机器人视觉信息处理
• 5.2.4 标定
• 5.2.5 目标物体质心及高度计算
• 5.2.6 关节轴4 的旋转角度计算
• 5.2.7 计算第一轴、第二轴两关节转角
• 5.2.8 运动控制系统
• 5.2.9 跟踪目标位置
• 5.3 视觉伺服控制实验
• 5.4 实验结果及分析
• 5.5 结论
• 第六章 多目标物体匹配识别的视觉伺服控制实验研究
• 6.1 引言
• 6.2 图像匹配方法分类
• 6.2.1 直接利用图像灰度信息的匹配算法
• 6.2.2 利用图像特征的匹配算法
• 6.3 基于特征的图像匹配中的关键问题
• 6.4 多目标物体匹配识别算法描述
• 6.4.1 图像特征空间的选择
• 6.4.2 图像搜索策略的实现
• 6.4.3 图像相似性测度计算
• 6.4 多目标物体匹配识别实验
• 6.4.1 指定目标的识别
• 6.4.2 目标的质心与旋转角度计算
• 6.5 机器人多目标视觉伺服控制系统实验
• 6.6 本章小结
• 总结与结论
• 1. 工作总结与结论
• 2. 进一步的工作
• 参考文献
• 致谢
• 攻读硕士学位期间完成的学术论文
• 个人简历