[发明专利]一种用于机器人视觉系统检测判断物料的方法

说明书

技术领域

本申请属于图像识别技术领域，具体地说，涉及一种用于机器人视觉系统检测判断物料的方法。

背景技术

随着科技的发展，目前，在进行自动化搬运、装配、焊接、喷涂等生产时的物料检测已经由原先的人工巡检逐步转变为由机器人进行自动化检测。在不影响其它设备、仪表运转的同时，通过移动机器人及其所承载的一些信息采集设备，获取物料对象整体的边缘信息，实现对物料形状的信息采集，进而对物料对象作出准确判断。

目前，机器人图像识别技术还处于不成熟阶段，基于现有技术的用于机器人视觉系统检测判断物料的方法检测复杂形状的物料，普遍存在检测准确率低和判断速度慢的问题。

发明内容

有鉴于此，本申请所要解决的技术问题是提供一种用于机器人视觉系统检测判断物料的方法，以提高检测复杂且不规则物料对象的边缘信息的准确率，使机器人能在视觉系统的识别中，迅速判断出物料对象信息。

为了解决上述技术问题，本申请公开了一种用于机器人视觉系统检测判断物料的方法。方法包括：

拍摄物料对象的图像，并采用MATLAB编程，对图像进行灰度化和二值化预处理；

利用形态开闭运算构成的滤波器对二值图像进行降噪处理，并分别选取3×3和5×5结构元素，在360°范围内共12种结构元素，分别对物料对象的图像边缘进行检测，利用图像的边缘差异度和像素损失率来描述物料对象的边缘特性；

将物料对象的边缘划分到不同的小区域，使得每个小区域的边缘形状规则，检测过程中按照每个区域的起始像素坐标来获取各个区域位置；

对划分后的各个区域采用数学形态学多结构方法构造膨胀腐蚀型边缘检测算子，进行边缘检测，得到各区域检测后的边缘图像；

将各区域检测后的边缘图像进行合并，得到物料对象整体的边缘信息；

依据物料对象整体的边缘信息对物料对象作出判断。

如上所述的方法，其中，在所述对图像进行灰度化和二值化预处理后，还可以包括：

利用数学形态学，构造“”和“+”两个形状的结构元素，首先用“”形状对图像处理，然后再用“+”形状对图像进行同样的作用，比较试验结果。

与现有技术相比，本申请可以获得包括以下技术效果：

1、可以提高检测复杂且不规则物料对象边缘的准确率。

2、可以提高检测复杂物料对象的边缘信息的检测速度，使机器人能在视觉系统的识别中，迅速判断出物料对象信息。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请用于机器人视觉系统检测判断物料的方法实施例的流程图。

具体实施方式

以下将配合附图及实施例来详细说明本申请的实施方式，藉此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。

本申请的用于机器人视觉系统检测判断物料的方法，主要是为了提高检测复杂且不规则对象边缘的准确率，使机器人能在该视觉系统的识别中，迅速判断对象信息。

图1是图1是本申请用于机器人视觉系统检测判断物料的方法实施例的流程图。如图1示，本实施例的方法可以包括以下内容。

S101、拍摄物料对象的图像，并采用MATLAB编程，对图像进行灰度化和二值化预处理。

在具体应用中，还可以进一步的利用数学形态学，构造“”和“+”两个形状的结构元素，首先用“”形状对图像处理，然后再用“+”形状对图像进行同样的作用，比较试验结果。

S102、利用形态开闭运算构成的滤波器对二值图像进行降噪处理，并分别选取3×3和5×5结构元素，在360°范围内共12种结构元素，分别对物料对象的图像边缘进行检测，利用图像的边缘差异度和像素损失率来描述物料对象的边缘特性。

例如，利用形态开闭运算构成的滤波器对长翅灰飞虱二值图像进行降噪处理，并分别选取了3×3和5×5结构元素，在360°范围内共12种结构元素，分别对图像的对象边缘进行检测，利用图像的边缘差异度和像素损失率来描述边缘特性。

S103、将物料对象的边缘划分到不同的小区域，使得每个小区域的边缘形状规则，检测过程中按照每个区域的起始像素坐标来获取各个区域位置。