热线电话:18250891972 / 18250891971
Language : 中文版
欢迎来到厦门鸿智达官网

新闻中心

基于机器视觉的面粉袋码垛机器人研究中的图像预处理(中)

* 来源: * 作者: * 发表时间: 2019-09-12 15:31:27 * 浏览: 2
具体方法是分别剪出不同类型的面粉袋图像的名称,并在图像预处理后,形成用于匹配识别的模板图像库,如图4所示。当面粉袋进入视觉识别区域时,上位机的PC驱动相机收集面粉袋的图像,并对随机采集的面粉袋图像进行图像预处理操作,然后提取SIFT特征向量。将要识别面粉袋的图像和待识别的面粉袋。图像的特征向量与模板图像库中的模板图像的SIFT特征向量匹配。如果与一个模板图像的匹配成功,则可以区分面粉袋的类型,并且如果匹配失败,则匹配下一个模板图像直到匹配成功。如果要识别的图像与所有模板图像匹配并且匹配失败,则系统再次收集要识别的图像并修改匹配参数以执行匹配。在匹配过程之前,系统需要保存待识别的预处理图像,以准备面粉袋的位置识别。在区分类型之后,还保存正确的匹配特征点对以识别面粉袋的角度信息。型号识别程序流程如图2.5所示。本文在SIFT算法的基础上,通过图像匹配识别面粉袋类型。因此,需要描述SIFT匹配算法的原理。 2.4.2 SIFT匹配算法SIFTCScaleInvariantFeatureTransform)尺度不变特征变换最初由David G. Lowe教授于1999年提出,该算法在2004年进行了改进和总结.SIFT算法利用局部特征识别图像中的特征点。图像的不变特征,该算法可以实现良好的匹配效果和图像之间平移,旋转和仿射变换的高稳定性。该算法已广泛应用于生产和科研等多个领域,如图像遥感测量,图像拼接融合,模式识别和机器视觉等。 SIFT匹配算法由两部分组成:SIFT特征点的检测和SIFT特征向量的匹配。具体可分为图像的尺度空间,图像尺度空间中的关键点(极值点),坏关键点,关键点的方向,关键点的特征描述符以及关键点的匹配。 SIFT特征点。 (1)建立图像尺度空间尺度空间构造为SIFT匹配算法的初始化操作,主要是模拟图像的多尺度特征。高斯卷积核是唯一执行多尺度空间变换的线性变换核,因此二维图像I(x,y)的尺度空间可以表示为等式(2-14)。码垛机器人的DOG刻度空间是高斯平滑和下采样,以获得高斯金字塔,然后由每层的高斯图像生成,如图2.6所示。由于高斯差分函数可以类似地被视为归一化高斯拉普拉斯函数,因此可以提取关键点作为高斯差分结构(即,DOG标度空间)中的候选关键点。