[发明专利]一种混联式汽车电泳涂装输送机构末端运动位姿检测方法

权利要求书

1.一种混联式汽车电泳涂装输送机构末端运动位姿检测方法，其特征是包括如下步骤：

步骤1，基于双目视觉的图像获取：基于双目视觉采集混联式汽车电泳涂装输送机构原始图像，通过双目相机实时获取混联式汽车电泳涂装输送机构图像信息，相机应调节到适宜的位置以保证在输送机构运动过程中，输送机构末端连接杆始终在相机视野范围之内；

步骤2，特征提取：2.1基于像素点空间几何距离以及像素点相似度进行加权滤波；2.2利用非最大值抑制和滞后阈值化来抑制错误边缘；2.3在空间映射后的参数空间中使用聚类分析的方法提取复杂机构末端连接杆的特征点，通过改变直线描述方法，检测空间映射后的点累计结果的局部最大值获取机构连杆、连接杆及车体固定架边缘直线，并获取边缘直线上的边缘点；

步骤3，图像匹配与特征点对的获取：沿着特征点主方向设计移动掩膜，在掩膜区域基于离散Gaussian-Hermit矩对特征点进行描述，并构建64维特征向量，实现图像特征点的准确全面描述，进一步基于欧氏距离计算特征向量间相似度准则，对特征点对进行筛选，得到高精度的混联式汽车电泳涂装输送机构末端特征点对；

步骤4，三维位姿的获取：构建机构双目视觉模型，将图像处理提取到的特征点对带入该机构视觉模型，经过坐标转换后获取机构末端的高精度三维位姿参数；

所述步骤3中，

以特征点为中心构造一个大小为20像素*20像素的方形窗口，将窗口划分4*4个子区域，并对每个区域的5*5个均匀的空间采样点使用Gaussian-Hermit矩定义的描述符描述，求出每个子区域的四维描述符矢量，串联4*4个子区域的描述符矢量，产生一个64维描述符矢量作为该特征点的特征向量；以最近邻距离与次近邻距离的比值作为左右图像特征向量间相似程度准则，匹配筛选特征点对；

步骤3的具体步骤如下：

步骤3.1，计算采样点离散Gaussian-Hermit矩：沿着特征点主方向，以特征点为中心构造一个窗口大小为20像素*20像素的方形区域，并将该区域均匀的分割成4*4个方形子区域；对于每个子区域的5*5个均匀的空间采样点，计算X和Y方向的离散Gaussian-Hermit矩，分别记作和其公式如式(13)(14)(15)所示：

式中：公式(13)为特征点处的离散Gaussian-Hermit矩表达式，特征点的坐标为(i_t,j_t)，t为特征点序列号，(p+q)阶数，m_M和m_N分别表示u轴和v轴的采样间隔大小，σ表示高斯标准差，和为关于X和Y的离散Gaussian-Hermit函数即公式(15)；其特征点主方向的幅值和角度大小如式(16)(17)所示：

步骤3.2，生成特征点描述符：在每个子区域，求和和并采用响应绝对值之和；因此，四维描述符矢量如式(18)所示：

V表示每个子区域的底层亮度结构，再串联所有4*4个子区域的描述符矢量，将产生一个长度为64的描述符矢量；

步骤3.3，特征向量匹配：以最近邻距离与次近邻距离的比值作为左右图像特征向量间相似程度准则，匹配筛选特征点对，两距离采用欧氏距离表示，如式(19)所示：

式中：(x_li1,x_li2,...,x_li64)和(x_rj1,x_rj2,...,x_rj64)分别为左右两幅图像中待匹配特征点的64维特征向量；

步骤2.1的具体过程为：对原始图像采用如式(1)(2)所示的离散化公式去噪：

f(x)＝h(x)*I(x) (1)

式中，I(x)表示原始图像灰度函数；h(x)表示滤波函数；f(x)表示滤波后灰度函数；表示对滤波结果的单位化；表示基于像素点间空间几何距离的权重,式中||ξ-x||表示两像素点的欧氏距离；表示基于像素点灰度值相似度的权重，式中||I(ξ)-I(x)||表示两像素点灰度值之差；

步骤2.2的具体过程为：

增强非最大值抑制，在3*3像素模板基础上，利用公式(3)和(4)，分别求出去噪后各像素点在x方向的水平梯度G_x和y方向的垂直梯度G_y：

像素点梯度值为两梯度绝对值之和如式(5)所示：

G(x,y)＝|G_x|+|G_y| (5)

梯度方向角如式(6)所示：

同时，将0°到360°梯度方向角λ划分为8个域，每个区域包含45°角范围，归并为4个方向θ，如式(7)所示：

沿这两个方向的像素梯度值可由式(8)和式(9)给出的G(a)和G(b)判断：

若该像素点梯度G(x,y)同时满足如式(10)所示条件：

则标记该像素点为边缘点；

滞后阈值化：选择高阈值和低阈值追踪尚未被抑制的候选边缘像素点：若候选像素点远大于高阈值，则标记为边缘点；若其在高低阈值之间，且与已经标记的边缘点直接相连，也标记其为边缘点，整个过程反复迭代后，将未满足条件的候选边缘点视为非边缘点。