机器视觉定位 视觉检测 机器视觉检测

机器视觉影像定位——键盘定位

随着科技的进步，因感知信息量有限,鲁棒性差等问题超声或红外传感器感知信息量有限已逐渐被淘汰,目前比较流行的机器视觉影像定位采用摄像机作为全自主用移动机器人的感知传感器。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的目的就是要从感知到的二维图像中提取有关的三维世界信息。简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主要航定位功能。

相机标定算法现有多种，包括 Faugeras 标定法、Tscai 两步法、直接线性变换方法、张正友平面标定法和 Weng迭代法。自标定包括基于 Kruppa 方程自标定法、分层逐步自标定法、基于二次曲面的自标定法和 Pollefeys 的模约束法。视觉标定有马颂德的三正交平移法、李华的平面正交标定法和 Hartley 旋转求内参数标定法。

而在软件开发方面，机器视觉与图像处理可分为以下几项：

1.预处理：灰化、降噪、滤波、二值化、边缘检测。。。

2.特征提取：特征空间到参数空间映射。算法有HOUGH、SIFT、SURF。

3.图像分割：RGB-HIS。

4.图像描述识别

另外，定位算法是基于滤波器的定位算法，主要有KF、SEIF、PF、EKF、UKF等。也可以使用单目视觉和里程计结合的方法。以里程计读数作为辅助信息,利用三角法计算特征点在当前机器人坐标系中的坐标位置,这里的三维坐标计算需要在延迟一个时间步的基础上进行。根据特征点在当前摄像头坐标系中的三维坐标以及它在地图中的世界坐标,来估计摄像头在世界坐标系中的位姿。这种降低了传感器成本,消除了里程计的累积误差,使得定位的结果更加准确。此外,相对于立体视觉中摄像机间的标定,这种方法只需对摄像机内参数进行标定,提高了系统的效率。

原理流程图：

定位算法基本过程如下：

1.输入

通过摄像头获取的视频流（主要为灰度图像，stereo VO中图像既可以是彩色的，也可以是灰度的 ），记录摄像头在t和t 1时刻获得的图像为It和It 1，相机的内参,通过相机标定获得，可以通过matlab或者opencv计算为固定量。

2.输出

计算每一帧相机的位置 姿态

基本过程

1.获得图像It,It 1

2.对获得图像进行畸变处理

3.通过FAST算法对图像It进行特征检测，通过KLT算法跟进这些特征到图像It 1中，如果跟进特征有所丢失，特征数小于某个阈值，则重新进行特征检测

4.通过带RANSAC的5点算法来估计两幅图像的本质矩阵

5.通过计算的本质矩阵进行估计R,t

6.对尺度信息进行估计，确定旋转矩阵和平移向量

苏州艾菲茵是一家专门为广大制造业企业提供机器视觉检测方案，机器视觉影像定位是基于像素换算比例，采用移动飞拍抓取方式，将流水线端的被测物体（如键盘）进行影像定位，因被测物体在传送带传输过程中可能存在位置偏移等问题，通过视觉定位将给机械手等发出位置信息，从而保证机械手有效抓取被测物体，避免因堵料而造成流水线的停滞。