本发明涉及一种机器人视觉识别系统,属于图像定位识别技术领域。
背景技术:
从六十年代开始,人们着手研究机器视觉系统。一开始,视觉系统只能识别平面上的类似积木的物体。到了七十年代,已经可以认识某些加工部件,也能认识室内的桌子、电话等物品了。当时的研究工作虽然进展很快,但却无法用于实际。这是因为视觉系统的信息量极大,处理这些信息的硬件系统十分庞大,花费的时间也很长。
随着大规模集成技术的发展,计算机内存的体积不断缩小,价格急剐下降,速度不断提高,视觉系统也走向实用化了。
技术实现要素:
为解决现有技术的不足,本发明的目的在于提供一种机器人视觉识别系统,可以实现准确地识别和定位目标。
为了实现上述目标,本发明采用如下的技术方案:
一种机器人视觉识别系统,其特征是,包括如下步骤:
1)对机械人的视觉系统进行初始化,并采集图像,根据使用目的筛选有效图像;
2)对所采集的图像进行滤波处理;
3)对滤波处理之后的图像进行分割;
4)对图像中的目标检测定位并进行边缘提取;
5)基于主成分分析法进行特征提取,将处理后的数据输出。
前述的一种机器人视觉识别系统,其特征是,所述步骤1)中视觉系统采用双目立体视觉伺服机构。
前述的一种机器人视觉识别系统,其特征是,所述步骤2)包括如下步骤:
步骤21):根据分块平均法提取噪声图像的边缘;
步骤22):直接输出边缘区域;输出非边缘区域前先进行分类处理,分类处理的标准根据事先设定的阀值进行设置;
步骤23):从输出的图像中提取图像细节;
步骤24):对非细节部分采用中值滤波。
前述的一种机器人视觉识别系统,其特征是,所述步骤3)中图像分割模块采用pcnn图像分割方法。
前述的一种机器人视觉识别系统,其特征是,所述步骤4)中目标检测定位采用基于改进自适应遗传算法的识别方法。
前述的一种机器人视觉识别系统,其特征是,所述步骤5)中主成分选择纹理特征、几何形状特征和区域形状特征。
本发明所达到的有益效果:本系统的视觉系统通过对图像特征、纹理特征、几何形状特征研究,能够快速有效地获取所抓取图像的有效特征,具有成本低、通用性强、使用方便的特点,具有良好的应用前景。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本方法所涉及的一种机器人视觉识别系统,包括如下步骤:
1)对机械人的视觉系统进行初始化,并采集图像,根据使用目的筛选有效图像。视觉系统采用双目立体视觉伺服机构。
2)对所采集的图像进行滤波处理。
具体包括如下步骤:
步骤21):根据分块平均法提取噪声图像的边缘;
步骤22):直接输出边缘区域;输出非边缘区域前先进行分类处理,分类处理的标准根据事先设定的阀值进行设置;
步骤23):从输出的图像中提取图像细节;
步骤24):对非细节部分采用中值滤波。
3)对滤波处理之后的图像进行分割。本实施例中,图像分割模块采用pcnn图像分割方法。
4)采用基于改进自适应遗传算法的识别方法进行目标检测定位。对图像中的目标检测定位并进行边缘提取;
5)基于主成分分析法进行特征提取,将处理后的数据输出,本实施例中主成分选择纹理特征、几何形状特征和区域形状特征。
本发明可实现机器人准确地识别图像中的有效信息,锁定需要追踪的目标,具有成本低、通用性强、使用方便的特点,具有良好的应用前景。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。