一种机器人定位用的视觉识别装置及其识别方法
【专利摘要】本发明公开了一种机器人定位用的视觉识别装置；包括图像采集模块、预存有标准图像的图像处理模块和伺服控制系统；其视觉识别方法包括如下步骤：第一步，图像采集；第二步，图像增强；第三步，图像滤波，通过将第二步完成的图像经过中值滤波算法进行滤波；第四步，边缘检测，第五步，图像分割，第六步，对比识别；本发明的机器人定位用的视觉识别装置及其识别方法，通过改进图像的处理方法，提高了视觉识别系统的抗干扰性和准确性；而其图像处理中涉及到的算法都为现有技术中已经比较成熟的算法，本发明可以直接引用，保证系统的准确性，另外通过之前一系列预处理，降低了采集过程中受到的干扰，最后对比识别能够准确识别出图像，提高准确性。
【专利说明】
一种机器人定位用的视觉识别装置及其识别方法
技术领域
[0001]本发明涉及一种视觉识别装置，特别涉及一种机器人定位用的视觉识别装置及其识别方法，属于数控机床技术领域。
【背景技术】
[0002]智能机器人是工业机器人从无智能发展到有智能，从低智能发展到高智能的产物。它的智能特征就在于它具有与外部世界、对象、环境和人相互协调的工作机能。在这方面，视觉、接机器人视觉是模拟人类视觉在机器人上的体现，所以机器人视觉被认为是机器人最重要的感觉能力。机器视觉一般定义为自动获取分析图像得到描述一个景物或控制某种动作的数据，其本质是使计算机具有从单幅或系列二维图像阵列认知周围环境信息的能力，这种能力将不仅使机器能感知周围物体的几何信息，包括它的形状、位置、姿态、运动等，而且能对它们进行描述、识别与理解；它是一个综合性学科，它涉及数学分析、图像处理、图像理解、模式识别以及计算机硬件知识等。视觉伺服和一般意义上的机器视觉有所不同，它是利用视觉传感器获取的图像作为反馈信息构造机器人的闭环反馈控制。机器人视觉伺服的实质是利用机器视觉的原理，从直接得到的图像反馈信息中快速进行图像处理，在尽量短的时间内给出反馈信息，参与控制决策的产生，构成机器人闭环控制系统，带有视觉的机器人对外部环境变化的适应能力增强，也使机器人的应用领域得到扩大；因而使用视觉来提高机器的智能水平，具有重要的现实意义和研究价值。近觉、触觉和力觉具有重要作用，视觉是人类观察世界和认知世界的重要手段；视觉引导是机器人对物体识别与定位的应用领域中一个重要问题。对于工作在特殊环境下的机器人来说，为了完成对目标物体的操作即“识别一抓取一放置”动作，对目标物体定位信息的获取是必要的。首先，机器人必须从背景中识别标物体；其次，机器人必须知道目标物体的位姿，以保证机器人准确地抓取；最后是必须知道物体被操作后的目标位姿，以保证机器人准确地完成任务。在传统的工业机器人应用场合，机器人只是按照固定的程序进行操作，物体的初始位姿和终止位姿是事先规定的；当机器人工作环境发生变化或者目标物体发生变化甚至环境条件未知时，带有传统传感器的机器人控制系统就显现许多局限性，甚至无法准确完成预先给定的任务，对机器人引入视觉装置，一方面使得机器人可以模仿人类的视觉能力来感知外部环境，二是它能够实现无接触位姿测量，第三它在一定程度上提高了机器人智能化和机器人自适应、自学习的能力；其中视觉识别的过程中，其图像处理方法最为关键，现有技术中的图像处理方法比较繁杂，且不能很好地形成一个识别系统。
【发明内容】
[0003](一 )要解决的技术问题
[0004]为解决上述问题，本发明提出了一种机器人定位用的视觉识别装置及其识别方法，通过改进图像的处理方法，提高了视觉识别系统的抗干扰性和准确性。
[0005]( 二)技术方案
[0006]本发明的机器人定位用的视觉识别装置，包括图像采集模块、预存有标准图像的图像处理模块和伺服控制系统；
[0007]本发明的机器人定位用的视觉识别装置通过以下识别方法识别，所述方法包括如下步骤:
[0008]第一步，由图像采集模块将图像信息采集到图像处理模块进行图像处理；
[0009]第二步，图像增强；将第一步采集得到的图像进行图像增强，其包括直方图增强、直方图均化和对比度增强；
[0010]第三步，图像滤波，通过将第二步完成的图像经过中值滤波算法进行滤波；
[0011]第四步，边缘检测，通过将第三步完成的图像经过Canny边缘检测法对边缘的定位；
[0012]第五步，图像分割，将第四步得到的图像，采用二值分割法进行图像分割；
[0013]第六步，对比识别，将第五步完成的图像通过模块匹配方法与预存于图像处理模块内的标准图像进行比对，完成识别过程。
[0014]有益效果
[0015]与现有技术相比，本发明的机器人定位用的视觉识别装置及其识别方法，通过改进图像的处理方法，提高了视觉识别系统的抗干扰性和准确性；而其图像处理中涉及到的算法都为现有技术中已经比较成熟的算法，本发明可以直接引用，保证系统的准确性，另外通过之前一系列预处理，降低了采集过程中受到的干扰，最后对比识别能够准确识别出图像，提尚准确性。
【附图说明】
[0016]图1是本发明的机器人定位用的视觉识别装置的整体结构示意图；
[0017]图2是本发明的机器人定位用的视觉识别方法的流程图。
【具体实施方式】
[0018]如图1所示的机器人定位用的视觉识别装置，包括图像采集模块、预存有标准图像的图像处理模块和伺服控制系统；
[0019]如图2所示，本发明的机器人定位用的视觉识别装置通过以下识别方法识别，所述方法包括如下步骤:
[0020]第一步，由图像采集模块将图像信息采集到图像处理模块进行图像处理；
[0021]第二步，图像增强；将第一步采集得到的图像进行图像增强，其包括直方图增强、直方图均化和对比度增强；图像的直方图是图像的重要的统计特征，它可以认为是图像灰度密度函数的近似；按照随机过程理论，图像可以看作是一个随机场，因此具有相应的统计特征，其中最重要的特征是灰度密度函数；直方图均化的自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚；为了使图像清晰，可将图像的灰度范围拉开，并且让灰度频率较小的灰度级变大，即让灰度直方图在较大的动态范围内趋于一致；对比度增强是图像增强技术中一种比较简单但又十分重要的方法；这种方法是按一定的规则修改输入图像每一个像素的灰度，从而改变图像灰度的动态范围；它可以使灰度动态范围扩展，也可以使其压缩，或者是对灰度进行分段处理，根据图像特点和要求在某段区间中进行压缩而在另外区间中进行扩展。
[0022]第三步，图像滤波，通过将第二步完成的图像经过中值滤波算法进行滤波；中值滤波是抑制噪声的非线性处理方法。对于给定的η个数值{al，a2，，，，，an}，将它们按大小有序排列。当η为奇数时，位于中间位置的那个数值称为这η个数值中值。当η为偶数时，位于中间位置的两个数值的平均值称为这η个数值的中值，记作med(al, a2，，，，，，an);中值滤波就是这样的一个变换，图像中滤波后某像素的输出等于该像素领域中各像素灰度的中值；
[0023]第四步，边缘检测，通过将第三步完成的图像经过Canny边缘检测法对边缘的定位；Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间取得较好的平衡。
[0024]第五步，图像分割，将第四步得到的图像，采用二值分割法进行图像分割；阈值分割是利用图像中要提取的目标物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标区域和背景区域组合的方法，它的实质是对图像进行二值化阈值分割的基本思想是确定一个阈值，然后将每个像素点的灰度值跟这个阈值相比较，根据比较的结果来确定该点是背景还是目标，然后将背景和目标的像素点的灰度值分别置为255和O。
[0025]第六步，对比识别，将第五步完成的图像通过模块匹配方法与预存于图像处理模块内的标准图像进行比对，完成识别过程。
[0026]上面所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下，本领域普通人员对本发明的技术方案做出的各种变型和改进，均应落入到本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。
【主权项】
1.一种机器人定位用的视觉识别装置，其特征在于:包括图像采集模块、预存有标准图像的图像处理模块和伺服控制系统。2.—种机器人定位用的视觉识别方法，其特征在于:所述方法包括如下步骤: 第一步，由图像采集模块将图像信息采集到图像处理模块进行图像处理； 第二步，图像增强；将第一步采集得到的图像进行图像增强，其包括直方图增强、直方图均化和对比度增强； 第三步，图像滤波，通过将第二步完成的图像经过中值滤波算法进行滤波； 第四步，边缘检测，通过将第三步完成的图像经过Canny边缘检测法对边缘的定位； 第五步，图像分割，将第四步得到的图像，采用二值分割法进行图像分割； 第六步，对比识别，将第五步完成的图像通过模块匹配方法与预存于图像处理模块内的标准图像进行比对，完成识别过程。
【文档编号】G06K9/00GK106033537SQ201510121315
【公开日】2016年10月19日
【申请日】2015年3月19日
【发明人】宋明安, 孙洁, 刘学平, 李志博, 同彦恒, 麻辉
【申请人】宁夏巨能机器人系统有限公司