复杂场景下的螺母快速识别算法研究.pdf

《复杂场景下的螺母快速识别算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第6期组合机床与自动化加工技术No．62015年6月ModularMachineTool＆AutomaticManufacturingTechniqueJun．2015文章编号：1001—2265(2015)06—0087—03DOI：10．13462／j．cnki．mmtamt．2015．06．024复杂场景下的螺母快速识别算法研究术李庆ft．q，张帆，李自芹，韩忠义，王天杰(唐山学院机电工程系，河北唐山063000)摘要：文章提出了一种综合应用哈夫变换实现螺母快速识别的算法。该算法在考虑螺母内外边界几何关系的基础上，应用哈夫变换实现目标边缘特征的提取，以内边界为圆、外边界邻边

2、夹角120。为判据实现对螺母的快速识别。针对哈夫变换运算量大的问题，综合应用目标边缘信息，缩小搜索范围，有效减小了哈夫变换的调用次数和运算数据量，进而提高了识别效率。该方法具有哈夫变换这一传统经典处理方法的鲁棒性，对于存在不同对象间相互粘连的较为复杂场景下的图像，也能很好的实现螺母的快速识别。关键词：机器视觉；螺母；识别算法；边界特征；哈夫变换中图分类号：TH165；TG506文献标识码：AResearchonFastVisualIdentificationAlgorithmofNutunderComplexScenesLIQing-li，ZHANGFan，LIZi—qin，HA

3、NZhong—yi，WANGTian-jie(DepartmentofElectromechanicalEngineering，TangshanCollege，TangshanHebei063000，China)Abstract：AfastvisualidentificationalgorithmofnutisdevelopedviacombinationofHoughtransforms．Thealgorithmisbasedontherelationshipofinnerandouterboundaryofnut：Houghtransformsareappliedtothef

4、eatureextractionfromtheobjectboundary；andthefactthatinnerboundaryisacircleandtheadja—centsideoftheouterboundaryis120deganglecanbeselectedasthecriteriaforfastnutidentification．ThecomputationalproblemofHoughtransfornliscarefullyconsidered；thenumberofcallsandtheamountofdataincomputingcanbereduce

5、dviacomprehensiveuseofobjectboundarypixelsandnarrowingthesearchlimit．ThealgorithmnotonlyexhibitstherobustnessofHoughtransformsasclassicimageprocessingmeth—ods，butalsoshowsgoodresultforfastnutidentificationundercomplexsceneswheredifferentobjectsarepartiallyinter—connected．Keywords：computervisi

6、on；nut；identificationalgorithm；boundaryfeature；houghtransform目前，零件识别已成为机器视觉技术的一大研究0引言热点，而零件视觉特征的选择与提取是零件识别分类在现代机械制造业中，零件的识别和测量已成为的关键技术。用于零件识别的视觉信息主要包括：颜保证产品质量的一项关键性技术工作。随着自动化程色、形状、纹理、尺寸等信息，其中零件的形状特征度的提高，传统的人工检测手段已无法满足要求，不仅是最常用的识别依据，且具有很强的鲁棒性。而识别要耗费大量的人工，效率低下，同时还会增加人为的不形状往往由于计算量大，实时性不是很好。因此，研可

7、靠因素。机器视觉技术可以很好地解决这些问题，究基于零件形状的快速识别技术具有很强的现实意并在精度和生产效率方面显示出了明显的优势。义。零件边界形状特征可用链码、傅里叶描述子和统然而，在对复杂工作场景的适应性方面，基于机器视觉计矩等描述，文献[6]报道了基于傅立叶描述子的零的零件识别和测量，仍逊色于人工检测。究其原因，是件快速识别算法。作为局部特征，角点也可较好地表场景的复杂性，增加了目标识别的难度和时间开销。征边界形状，文献[7—8]分别报道了基于角点检测的零为此，探索快速、可靠