基于單目視覺的簡便零件位姿測量方法
發(fā)布時間：2020-12-23 18:32
針對零件位姿測量步驟繁瑣的問題,提出了一種基于單目視覺的簡便零件位姿測量方法。該測量方法只需要將棋盤放置在零件平面上,便可實現(xiàn)零件位姿的測量。在該測量方法中,根據(jù)攝像頭的成像原理,建立基于視覺的零件位姿測量模型。在該模型中,根據(jù)棋盤網(wǎng)格點像素坐標(biāo),利用非線性優(yōu)化算法測量棋盤與攝像頭夾具的位姿;并根據(jù)棋盤與攝像頭夾具的位姿、工件平面的直線在不同坐標(biāo)系的方程,用最小二乘法測量零件的位姿。為了驗證算法精度,進(jìn)行了仿真驗證;驗證結(jié)果表明,該測量方法的精度滿足實際需求,具有較高的工程使用性。
【文章來源】：組合機(jī)床與自動化加工技術(shù). 2020年07期 北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
機(jī)器人結(jié)構(gòu)圖
攝像頭一般利用凸透鏡原理產(chǎn)生圖像。攝像頭的坐標(biāo)轉(zhuǎn)化過程如圖3所示。圖3中O4代表攝像頭成像平面的中點,O5代表物平面的中點。f代表攝像頭的焦距,Z代表物體的景深;X1,Y1代表像素點距離O4的長度與寬度;X,Y代表目標(biāo)點距離O5的長度與寬度。根據(jù)凸透鏡成像原理,上述變量滿足式(4)。在圖像平面中,像素點的坐標(biāo)原點O6不與O4重合,其位置如圖4所示。圖4中u,v代表該像素點的橫縱坐標(biāo)。在像素平面中,像素點與X1,Y1的關(guān)系如式(5)所示。式中kx,ky代表每個像素點長度與寬度。結(jié)合式(4)與式(5),像素點與物體之間的轉(zhuǎn)化公式如式(6)所示。
在圖像平面中,像素點的坐標(biāo)原點O6不與O4重合,其位置如圖4所示。圖4中u,v代表該像素點的橫縱坐標(biāo)。在像素平面中,像素點與X1,Y1的關(guān)系如式(5)所示。式中kx,ky代表每個像素點長度與寬度。結(jié)合式(4)與式(5),像素點與物體之間的轉(zhuǎn)化公式如式(6)所示。但透鏡安裝與制造過程中存在誤差,則在成像時會產(chǎn)生畸變;其中影響較大的是徑向畸變。徑向畸變對圖像的影響如式(7)所示,式中 u ^ , v ^ 代表沒有畸變時的圖像像素坐標(biāo),p1,p2代表攝像頭的畸變參數(shù)。u0,v0,kx,ky,p1,p2均可以利用張正友棋盤標(biāo)定法求解[14];同時可以借助opencv中的initUndistortRectifyMap函數(shù)消除圖像中的畸變(由于篇幅所限,本文沒有展開)。
【參考文獻(xiàn)】：
期刊論文
[1]基于雙目視覺的機(jī)械零件位姿檢測系統(tǒng)研究[J]. 王才東,董祥升,陳志宏,陳響元,劉潔,劉超. 機(jī)電工程. 2019(12)
[2]單目視覺的室內(nèi)多行人目標(biāo)連續(xù)定位方法[J]. 孫龍培,張星,李清泉,劉濤,方志祥. 測繪科學(xué). 2019(12)
[3]基于改進(jìn)ORB算法的雙目視覺定位測量方法[J]. 楊宇,許四祥,方建中,蔡永禎. 傳感技術(shù)學(xué)報. 2019(11)
[4]基于視覺的三維目標(biāo)檢測算法研究綜述[J]. 李宇杰,李煊鵬,張為公. 計算機(jī)工程與應(yīng)用. 2020(01)
[5]基于雙目視覺的帶圓特征工件空間定位研究[J]. 王翰,王西峰,康運江,張文昌. 制造業(yè)自動化. 2019(09)
[6]基于視覺的目標(biāo)定位技術(shù)的研究進(jìn)展[J]. 趙霞,袁家政,劉宏哲. 計算機(jī)科學(xué). 2016(06)
[7]基于雙邊濾波的Harris角點檢測[J]. 毛晨,錢惟賢,顧國華,李超. 紅外技術(shù). 2014(10)
[8]基于輔助信息的無人機(jī)圖像批處理三維重建方法[J]. 郭復(fù)勝,高偉. 自動化學(xué)報. 2013(06)
[9]基于圖像匹配-點云融合的建筑物立面三維重建[J]. 王俊,朱利. 計算機(jī)學(xué)報. 2012(10)
[10]一種改進(jìn)的多尺度Harris特征點檢測方法[J]. 徐賢鋒,檀結(jié)慶. 計算機(jī)工程. 2012(17)
博士論文
[1]低紋理表面零件的位姿識別與視覺伺服技術(shù)研究[D]. 吳晨睿.浙江大學(xué) 2019
碩士論文
[1]面向行車記錄儀突發(fā)事件監(jiān)測的圖像處理與識別[D]. 梁野.哈爾濱工業(yè)大學(xué) 2019
[2]基于單目視覺的機(jī)器人定位算法研究[D]. 彭冬旭.安徽工業(yè)大學(xué) 2019
[3]基于區(qū)域?qū)ο蠓指钆c跟蹤的工件定位技術(shù)研究[D]. 史煜昆.浙江大學(xué) 2019
本文編號：2934159
【文章來源】：組合機(jī)床與自動化加工技術(shù). 2020年07期 北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
機(jī)器人結(jié)構(gòu)圖
攝像頭一般利用凸透鏡原理產(chǎn)生圖像。攝像頭的坐標(biāo)轉(zhuǎn)化過程如圖3所示。圖3中O4代表攝像頭成像平面的中點,O5代表物平面的中點。f代表攝像頭的焦距,Z代表物體的景深;X1,Y1代表像素點距離O4的長度與寬度;X,Y代表目標(biāo)點距離O5的長度與寬度。根據(jù)凸透鏡成像原理,上述變量滿足式(4)。在圖像平面中,像素點的坐標(biāo)原點O6不與O4重合,其位置如圖4所示。圖4中u,v代表該像素點的橫縱坐標(biāo)。在像素平面中,像素點與X1,Y1的關(guān)系如式(5)所示。式中kx,ky代表每個像素點長度與寬度。結(jié)合式(4)與式(5),像素點與物體之間的轉(zhuǎn)化公式如式(6)所示。
在圖像平面中,像素點的坐標(biāo)原點O6不與O4重合,其位置如圖4所示。圖4中u,v代表該像素點的橫縱坐標(biāo)。在像素平面中,像素點與X1,Y1的關(guān)系如式(5)所示。式中kx,ky代表每個像素點長度與寬度。結(jié)合式(4)與式(5),像素點與物體之間的轉(zhuǎn)化公式如式(6)所示。但透鏡安裝與制造過程中存在誤差,則在成像時會產(chǎn)生畸變;其中影響較大的是徑向畸變。徑向畸變對圖像的影響如式(7)所示,式中 u ^ , v ^ 代表沒有畸變時的圖像像素坐標(biāo),p1,p2代表攝像頭的畸變參數(shù)。u0,v0,kx,ky,p1,p2均可以利用張正友棋盤標(biāo)定法求解[14];同時可以借助opencv中的initUndistortRectifyMap函數(shù)消除圖像中的畸變(由于篇幅所限,本文沒有展開)。
【參考文獻(xiàn)】：
期刊論文
[1]基于雙目視覺的機(jī)械零件位姿檢測系統(tǒng)研究[J]. 王才東,董祥升,陳志宏,陳響元,劉潔,劉超. 機(jī)電工程. 2019(12)
[2]單目視覺的室內(nèi)多行人目標(biāo)連續(xù)定位方法[J]. 孫龍培,張星,李清泉,劉濤,方志祥. 測繪科學(xué). 2019(12)
[3]基于改進(jìn)ORB算法的雙目視覺定位測量方法[J]. 楊宇,許四祥,方建中,蔡永禎. 傳感技術(shù)學(xué)報. 2019(11)
[4]基于視覺的三維目標(biāo)檢測算法研究綜述[J]. 李宇杰,李煊鵬,張為公. 計算機(jī)工程與應(yīng)用. 2020(01)
[5]基于雙目視覺的帶圓特征工件空間定位研究[J]. 王翰,王西峰,康運江,張文昌. 制造業(yè)自動化. 2019(09)
[6]基于視覺的目標(biāo)定位技術(shù)的研究進(jìn)展[J]. 趙霞,袁家政,劉宏哲. 計算機(jī)科學(xué). 2016(06)
[7]基于雙邊濾波的Harris角點檢測[J]. 毛晨,錢惟賢,顧國華,李超. 紅外技術(shù). 2014(10)
[8]基于輔助信息的無人機(jī)圖像批處理三維重建方法[J]. 郭復(fù)勝,高偉. 自動化學(xué)報. 2013(06)
[9]基于圖像匹配-點云融合的建筑物立面三維重建[J]. 王俊,朱利. 計算機(jī)學(xué)報. 2012(10)
[10]一種改進(jìn)的多尺度Harris特征點檢測方法[J]. 徐賢鋒,檀結(jié)慶. 計算機(jī)工程. 2012(17)
博士論文
[1]低紋理表面零件的位姿識別與視覺伺服技術(shù)研究[D]. 吳晨睿.浙江大學(xué) 2019
碩士論文
[1]面向行車記錄儀突發(fā)事件監(jiān)測的圖像處理與識別[D]. 梁野.哈爾濱工業(yè)大學(xué) 2019
[2]基于單目視覺的機(jī)器人定位算法研究[D]. 彭冬旭.安徽工業(yè)大學(xué) 2019
[3]基于區(qū)域?qū)ο蠓指钆c跟蹤的工件定位技術(shù)研究[D]. 史煜昆.浙江大學(xué) 2019
本文編號：2934159
本文鏈接：http://www.sikaile.net/kejilunwen/jinshugongy/2934159.html
最近更新
教材專著
