搬运机器人之目标工件的定位算法

当目标工件通过模板匹配的方法被识别后，要执行机器人对目标工件的抓取动作，还需要知道工件在机器人世界坐标系下的坐标，由于本文研究的主要是位于水平流水线的工件，且选取的工件高度保持在定值，所以只需考虑工件在二维坐标平面上的位置信息。因此，当我们求出了工件的抓取中心之后，即可以说完成了工件的定位。工件的抓取中心坐标的获得，本文利用矩描述子来进行推导。矩代表的是对目标提取出得轮廓上的点进行求和而得到的粗略特征。平面二维图像的轮廓的矩一般定义为: 在机器人的抓取过程中，需要了解目标工件的矢量信息，从而确定如何对目标进行抓取。上述介绍的基于轮廓矩的手段虽然也能够求出目标的矢量信息，但是计算复杂，求取过程繁琐，在实际应用中作用有限。具体问题具体分析，为简化计算，提高工作效率，本文选用工件轮廓的最小外接矩形来推导出工件的重心坐标点。求解过程为: 1.首先，对提取出的工件轮廓，计算出其在特定坐标系上的极大坐标值和极小坐标值，设为Q1(Xmin,y1),Q2(Xmax,y2),Q3(X3,ymax), Q4(X4,ymin)。根据此4点可计算出工件在平面坐标轴上的各个方向的长度，利用计算出得各个方向的长度可推导出工件的外界矩形，如图4.17。 2.由于目标工件的朝向可能在平面内的任何方向，以平面坐标系的原点为中心，将此原点作为圆心，提取出得工件轮廓在圆的某一圆弧上慢慢移动，工件每移动一次的同时，求出工件轮廓的外接矩，同时计算出矩形的面积和顶点。 3.对所有经过旋转的工件，获取其外接矩，之后再求取所有外接矩的面积，比较所有外接矩的面积，选择值小于所有的，就是最小外接矩形，如图4.18所示。 4.利用上图4.17中工件的最小外接矩的各个角点，通过一系列的数学变换，可以得到提取出的开始检测到的工件的轮廓的最小外接矩，即如上图4.18，利用二维平面上的数学变换原理，可以以确定的工件轮廓的最小外接矩，可以近似的以此中心为来表示物体的质心。上图4.18中的L代表外接矩的长度，H代表宽度，P1,P2,P3,P4代表的是外接矩的的各个角点，θ指的是偏移度，利用数学变换求出上述参数，为工件定位做准备。 通过上文的一系列方法可以求出目标最小外接矩的质心，再根据目标工件的轮廓大小可求出工件自身的重心，由于第4个工件时对称图形，理论上，它的最小外接矩质心和自身重心应是重合，因此，可根据两者的偏差来确定定位偏差。见图4.19所示。 4.5本章小结 本章在图像预处理的基础上，完成了视觉引导机器人系统中的多目标识别和定位，对比分析了各种模板匹配方法的优劣，为提高匹配速度，利用数字圆投影的方法对二维数字图像中可能的匹配点进行筛选;完成了对目标中心点的提取，并进行了误差验证。具体如下: 1.探究了SSDA, Hu不变矩、Zernike矩等用于模板匹配方法的优缺点，通过比较，最终选取Zernike矩作为目标识别的方法，为提高匹配速度，在Zernike矩识别之前，先要把方块形状的模板转换成圆状的数字圆图像，在搜索的过程中定义一块搜索区域为子图，那么在进行粗搜索时利用的就是子图的圆投影值作为匹配的图像特征与模板进行匹配，从而完成目标模板的粗匹配。之后再计算这些匹配点的Zernike矩，从而完成对旋转模板的精确匹配。 2.经过一系列的图像处理，图像滤波、二值化、图像边缘轮廓提取和最小外接矩形求取，完成了对目标工件的定位实验，并利用对称的目标图像最小外接矩形质心和其自身重心进行重合度对比，实现了对误差的分析。 搬运机器人

• 上一篇：搬运机器人如何提高目标识别速度的方法
• 下一篇：汉莎公司的这款机器人竟然可以“搞飞机”！