基于图像矩特征的工件摆放类型Parzen窗估计

工件的视觉判别是实现机械手抓取工件的重要环节,如何对姿态变换后的工件进行视觉识别及分类,具有重要的理论及工程研究价值。设计了工件姿态变换实验平台,实验研究了工件姿态变换的视觉识别问题。首先,采用分水岭图像分割方法,实现了工件目标图像的分割。其次,针对工件在水平面旋转姿态变换及在三维空间进行姿态变换两种情况,分别选取单个工件、部分遮挡工件及部分重叠工件构建图像样本,并实现了七个特征不变矩的提取。最后,将工件训练样本的五阶矩、七阶矩的平均值作为工件种类分类目标,采用Parzen窗对待识别工件类型进行概率密度估计,并用带惯性的粒子群算法对Parzen窗估计结果进行优化,克服Parzen窗估计的多峰值问题,实现了对工件摆放类型的准确判别。     

基于线结构光点云三维重建的弯管形工件测量方法

弯管形工件在化工、冶金生产中应用广泛,对其截面参数要求精确度极高,但该类工件由于内外形状不规则,人工测量效率低、细节捕捉度差、出错率高,难以满足工业在线实时检测的要求,因此提出使用线结构光扫描获取弯管外形三维点云数据的方法对弯管截面进行实时测量.使用已标定好的线结构光三维测量平台扫描约以4.3 cm/s移动的弯管模型并获取其点云数据,对点云数据进行最近点迭代法配准、高斯滤波去噪、改进的角度偏差法简化,然后采用Delaunay三角网生长算法对点云进行三维重构,并对重构模型的宽度、半径、内径进行拟合测量.实验测量过程耗时约20 s,测误差小于0.05 mm,结果表明该方法具有较高的精确度与准确性,可大幅度提升工件检测效率,有良好的工业应用前景.