[发明专利]一种基于Feature-Shift和预测的视觉伺服控制方法

权利要求书

1.一种基于Feature-Shift和预测的视觉伺服控制方法，其特征在于，包括以下步骤：

S1、以工件落到传送带的时刻所采集的图像作为第一帧，调用Feature-Shift方法检测目标特征，并取前K个特征作为代表目标的显著特征，确定目标区域，作为初始目标位置，同时初始化目标运动的速度；

S2、判断初始化是否成功，如果不成功则返回步骤S1调节Feature-Shift方法的参数，成功则进行步骤S3；

S3、针对当前帧的K个特征，计算其重心位置，将此坐标作为当前目标状态和运动参数一起传入Kalman滤波器，预测目标状态；

S4、读取下一帧的图像，根据步骤S3预测得到的坐标，转换为距离，并用其更新目标位置，在此新区域内，调用Feature-Shift方法检测目标特征，取前K个特征作为代表目标的显著特征，寻找初始帧的K个特征的匹配；

S5、用找到匹配的若干特征，计算其重心位置，作为目标的观测结果，将此观测传入Kalman滤波器，计算得到校正后的目标状态，根据此坐标，转换为距离，并用其更新目标位置，作为该帧图像上目标的实际定位，再将此定位信息传入伺服控制机构，驱动机械臂跟踪目标；

S6、若执行工件目标抓取，则跟踪结束，否则，继续进行跟踪，将校正后的目标状态作为当前状态，和运动参数一起传入Kalman滤波器，预测下一帧的目标状态，执行步骤S4；

在步骤S1中Feature-Shift方法检测目标特征的具体步骤如下：

S11、建立多尺度特征空间，形成一个中心级和至少两个边缘级；

S12、计算灰度对比图，用G(c，s)表示，计算公式为：

其中，G代表灰度值，是级间对比度算子，定义为：

其中，G_ij(c)代表中心级图像的坐标为i,j像素点的灰度特征值，G_m(c)代表中心级图像的灰度特征的均值，G_ij(s)、G_m(s)分别代表边缘级图像的灰度特征值与均值；

S13、计算纹理对比度；

首先计算图像上每点的梯度方向θ，计算公式为：

其中，G_ij代表坐标为i,j像素点的灰度值；

然后以每点为中心，统计八邻域的梯度方向，并取统计值最高的方向作为每个像素点的主方向，形成梯度方向纹理图T，再计算级间纹理对比度，可以产生两张子图，计算公式为：

T(c，s)＝T(c)-T(s)；

其中，T(c)代表中心级图像的梯度方向纹理图，T(s)代表边缘级图像的梯度方向纹理图；

S14、综合四张对比子图，形成显著性指示图S，再在显著性指示图S上取前K个显著点，并以该点的灰度归一值和梯度主方向作为该点的显著特征表示。

2.根据权利要求1所述的基于Feature-Shift和预测的视觉伺服控制方法，其特征在于，在步骤S1中，以工件落到传送带的时刻所采集的图像作为第一帧，以无工件的传送带图像作为模板，运用帧差法从第一帧图像中检测到工件的粗轮廓，以工件轮廓为边界向外延十六像素，从而产生工件目标区域，再通过Feature-Shift方法检测目标特征。

3.根据权利要求1所述的基于Feature-Shift和预测的视觉伺服控制方法，其特征在于，在步骤S3中，计算K个特征的重心位置的具体计算公式为：

p_x表示重心位置的横坐标，p_y表示重心位置的纵坐标；p_kx表示第k个特征点的横坐标，p_ky表示第k个特征点的纵坐标。

4.根据权利要求1所述的基于Feature-Shift和预测的视觉伺服控制方法，其特征在于，在步骤S4中，寻找初始帧的K个特征的匹配方法为：

根据K个特征的表示值，在第二帧的候选区域搜索是否存在匹配的特征点，匹配计算为：

其中，Y代表第二帧的像素，X代表第一帧的像素，并设置合理的阈值作为判断依据。