[发明专利]一种基于多维度特征融合的零件识别装配方法和装置

权利要求书

1.一种基于多维度特征融合的零件识别装配方法，其特征在于，预先对相机、结构光系统分别进行标定，确定相机的参数，并对机械臂和相机进行手眼标定，以及，将不同形状的工件作为待识别目标，通过计算机视觉中的图像处理算法将工件特征提取，所述方法包括：

根据待识别目标的特征，进行目标识别；

在感兴趣区域对图像进行处理，提取出轮廓，然后利用三角测量法确定出圆环工件相对于相机的三维坐标；

根据手眼标定的结果，将该三维坐标转换到机械臂坐标系下，控制机械臂进行抓取；

所述待识别目标的特征包括：

三维特征、拓扑特征、二维表面特征点中的一种或者多种，并将包含所述待识别目标的特征区域范围，作为图像的感兴趣区域；

所述三维特征中，具体包括：

半径、高程差、高程标准差和点密度中的一项或者多项三维几何特征；

线性特征、平面特征、散乱特征、总方差、各向异性、特征熵、特征值和曲率中的一项或者多项三维局部形状特征；

所述二维表面特征点，具体包括：

将二维滤波器对应的矩阵水平翻转，竖直翻转；

把这个滤波器矩阵，覆盖到图像上方；将滤波器矩阵的每一个元素，同下方图像的每一个元素相乘，再把所有的乘积加起来，并不断移动这个滤波器矩阵；

每移动一格，对应得到一个值；

当滤波器矩阵扫过原来的图像的所有位置的时候，我们就得到了一个新的图像；这个图像就是原来的图像经过该二维滤波器的输出，从而获得二维表面特征点。

2.根据权利要求1所述的基于多维度特征融合的零件识别装配方法，其特征在于，预先对相机进行标定，具体包括：

设定模板平面在世界坐标系Z＝0的平面上；

H＝[h₁ h₂ h₃]＝λK[r₁ r₂ t]，

其中，K为相机的内参数矩阵，r₁和r₂是旋转向量，h1、h2和h3为转化参数，由上式中的λK[r₁r₂t]求解得到，λ代表相机离标定板距离，为模板平面上点的齐次坐标，X和Y是世界坐标，是像素平面上点的齐次坐标，u和v分别代表x轴和y轴的像素坐标，为模板平面上点投影到图像平面上对应点的齐次坐标，[r₁ r₂ r₃]和t分别是相机坐标系相对于世界坐标系的旋转矩阵和平移向量；

根据旋转矩阵的性质：r₁^Tr₂＝0和||r₁||＝||r₂||＝1，每幅图像可以获得以下两个对内参数矩阵的基本约束；

其中，相机有5个未知内参数，当所摄取得的图像数目大于等于3时，就可以线性唯一求解出K。

3.根据权利要求1所述的基于多维度特征融合的零件识别装配方法，其特征在于，所述结构光系统标定包括：

通过摄像头采集激光器投射到待扫描对象上的帧图像，将所述帧图像转换为灰度图；

计算得到各帧图像中，对应一个或者多个激光扫描点的灰度质心；

根据所述灰度质心在图像中的像素距离和标定数据，计算出灰度质心的三维坐标，记录成为第一成像数据；其中，所述像素距离是通过数据模型生成的激光器在图像中的映射位置与图像中采集到的对应激光扫描点之间的距离。

4.根据权利要求3所述的基于多维度特征融合的零件识别装配方法，其特征在于，所述结构光系统标定还包括：

在平台上放置标定用对象，测量标定用对象到激光器和摄像头连线的一系列实际距离值q_i，以及每个距离值对应的由摄像头采集的标定图像；其中，所述激光器设置在机械臂上，用于表征所述机械臂的抓取方向；

获取所述标定图像中预设标定点位的间距px_i，带入由相似三角形得到公式中，计算得到各相关参数的标定数据；

其中，f为摄像头中镜头到图像传感器距离，s为摄像头与激光器的间距，PixelSize为图像像素的物理尺寸，offset为图像原点相对于三角测距中图像边缘的偏置距离。