[发明专利]智能化机械臂基于视觉的多目标快速高精度识别与定位方法

说明书

本发明涉及一种对于固联视觉单元的智能化机械臂对多目标快速高精度的识别与定位方法。本发明中通过模板图像和源图像实现在源图像中对模板图像的快速高精度的识别与定位。本发明中运用高斯金字塔降采样和拉普拉斯金字塔复原的方法，在提高识别与定位速度的同时保证了识别与定位的高精度。另外本发明提出了一种基于归一化互相关匹配算法与非极大值抑制相结合的平面多目标识别与定位方法，该方法可以实现对源图像中多个目标的同时识别与定位，并且相较于传统识别与定位算法大大提高了鲁棒性。

技术领域

本发明属于计算机视觉领域，具体涉及对于固联视觉单元的智能化机械臂对多目标快速高精度的识别与定位方法。

背景技术

随着机器视觉领域的研究与发展，越来越多的工业机器人配备了视觉系统，使机器人在自主移动和机械臂准确定位技术方面有了显著提高。与此同时，形形色色的视觉和图像算法的成功应用也显著地提升了机械臂的智能水平，而机械臂对目标物进行抓取的实时性、准确性和稳定性，也是机械臂采用视觉引导进行智能抓取的智能水平的标准体现。要提高机械臂所作的一系列动作的智能水平，使其具备智能化移动和抓取的功能，关键是使机器人对环境目标具备一定的认知能力，通过感知环境目标确定自身的行动，使其不需运动接触即可对环境目标实现抓取等动作，因此，视觉系统的研究已成为提高机器人智能化的一个较为热门的方向，目标的识别与定位方法更是这其中重点的研究问题。

目前，在该研究领域内，已有一些比较成熟的并投入应用的识别与定位算法，但当下存在的方法更多是针对某一种具体应用，存在较大的局限性。例如“基于区域划分的平面工件识别与定位方法”只对具有直线轮廓的工件适用，当工件为不规则形状时无法得到正确的识别结果；“统计矩阵标记区域算法”利用目标本身的几何特征达到识别目的，选取质心标记法实现目标物体的定位，该方法用于识别杂乱物体中的某一个形状物体，并不适用于相同的多目标识别与定位；“基于特征模板并利用主成分分析(PCA)方法进行模板匹配的算法”实现了多种类别目标的识别与定位，具有一定的鲁棒性并提高了效率，但在算法运行之前都需要较长的离线时间对模板或特征进行学习，无法满足工程任务需求的多变性。总结而言，现有的目标识别与定位算法主要存在以下问题：(1)基于灰度或特征匹配的算法只能识别单目标；(2)多目标的识别方法需要较长的离线时间对模板或特征进行学习，不适应工程任务多变的实际情况；(3)大多数算法可以保证识别定位的准确性，但是速度较慢，无法满足实时性的要求。

发明内容

本发明的目的在于对包含视觉单元的智能化机械臂提供一种通用性的目标识别与定位方法，实现对多目标快速、高准确率、高鲁棒性的识别与定位，为智能化机械臂相关功能，包括但不限于目标抓取、目标移动、目标挑拣等，提供信息支撑。

本发明中需要用到包含视觉单元的智能化机械臂，其中视觉单元(单相机)与机械臂固联安装，机械臂能够根据相机对目标的定位信息得到机械臂与目标的相对位置，从而对目标实施抓取、移动、挑拣等功能。固联安装是指视觉单元与机械臂的相对位置固定。实施基于视觉的多目标快速高精度识别与定位方法需要用到模板图像和源图像，其中模板图像是事先已知的需要识别的目标的图像，源图像是通过智能化机械臂固联视觉单元拍摄得到的图像。

用本发明中的方法对图像中多目标进行高精度快速识别与定位，实现在源图像中对模板图像的快速高精度识别与定位，包括以下步骤：

第一步，高斯金字塔降采样

本发明中的多目标快速高精度识别与定位算法，需要目标的模板图像和相机单元拍摄到的源图像。首先将模板图像和源图像通过高斯金字塔降采样来减小图像大小以提高图像匹配速度，高斯金字塔通过高斯平滑和亚采样获得一系列下采样图像，每一层都按照从下到上的顺序编号，层G_i+1表示尺寸小于层G_i的相邻层。给定一个整数变量n和一维取样序列f(n)，则基为2的上采样序列定义如下：

基为2的下采样操作的定义为：