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。