欢迎来到天天文库
浏览记录
ID:34402013
大小:4.04 MB
页数:80页
时间:2019-03-05
《基于多目立体视觉的零件分类与识别系统研究与实现》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:TP39110710-2015132021硕士学位论文基于多目立体视觉的零件分类与识别系统研究与实现王玉波导师姓名职称李登峰副教授申请学位类别工学硕士学科专业名称检测技术与自动化装置论文提交日期2018年4月10日论文答辩日期2018年5月25日学位授予单位长安大学ResearchandImplementationofParts’ClassificationandRecognitionSystemBasedonMulti-viewStereoVisionAThesisSubmittedforthe
2、DegreeofMasterCandidate:WangYuboSupervisor:Prof.LiDengfengChang’anUniversity,Xi’an,China摘要在现代工业制造业中,随着图像处理与计算机技术的进步,通过人眼睛完成的工作正在被机器视觉技术逐步替代。目前在零件的视觉分拣应用中仍是基于二维图像对零件进行分类识别以及位姿定位,这对于零件高度以及倾斜度等位置变化比较敏感,使得工业生产过程尚且不够柔性化。基于上述不足,本文开发出一套基于多目立体视觉的零件分类与识别系统。首先,从多目立
3、体视觉的角度,确定系统的硬件环境搭建以及软件总体架构。其次,针对双目相机不能覆盖目标零件整个视野情况,使用一种基于双目视差方法的三目立体视觉技术对零件进行三维重建。接着在零件分类与识别方面,采取基于三维表面点云的模板匹配法与支持向量机法两种方法对零件三维点云模型进行分类与识别研究。之后进行系统的软件设计,对系统主程序、图像采集、相机标定、立体重构、基于表面的模板匹配法以及支持向量机方法等模块进行设计与实现。最后,通过实验对系统设计中的立体重构、零件分类与识别以及位姿定位结果进行分析。立体重构实验通过对两种
4、不同大小零件各20个三维重构模型进行分析,结果表明三维重建精度可达到1mm。通过对两种分类与识别方法在零件位置是否相互交叠以及有无异常零件等情况下各进行1000次实验测试,结果表明两种方法识别率均在95%以上,且在不同的情况下有不同的适用性。位姿定位实验,通过将位姿定位结果与零件实际位置进行比较,验证了位姿计算方法的正确性以及计算结果的准确度。关键词:多目立体视觉,三维匹配,支持向量机,三维特征提取,三维位姿iAbstractInmodernindustrialmanufacturing,withthea
5、dvancementofimageprocessingandcomputertechnology,someworkdonebyhumaneyesisbeinggraduallyreplacedbymachinevisiontechnology.Atpresent,inthevisualsortingapplicationofparts,itisstillbasedon2Dimagetoclassifyandpositiontheparts,whichissensitivetothechangeoftheh
6、eightandinclinationoftheparts,andtheindustrialproductionprocessisstillnotflexibleenough.Tosolvetheabovedeficiencies,thispaperdevelopsasetofpartsclassificationandrecognitionsystembasedonthemulti-viewstereovision.Firstly,fromtheperspectiveofmulti-viewstereo
7、vision,thehardwareenvironmentofthesystemaswellastheoverallsoftwarearchitectureisdetermined.Secondly,aimingatthesituationthatthebinocularcameracannotcoverthewholefieldofvisionofthetargetparts,atrinocularstereovisiontechnologybasedonbinoculardisparitymethod
8、isusedtodothe3Dreconstructionofparts.Thenintermsofparts’classificationandidentification,thepaperusesbothsurface-basedmatchingmethodandSupportVectorMachinesmethodtodotheresearchonclassificationandidentificationofpart
此文档下载收益归作者所有