机器视觉和图像处理.doc

《机器视觉和图像处理.doc》由会员分享，可在线阅读，更多相关《机器视觉和图像处理.doc（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精品文档，仅供学习与交流，如有侵权请联系网站删除移动机器人使用双目视觉系统对物体进行3D坐标检测（Guo-Shing Huang, Ci-En Cheng）摘要：这篇论文主要讨论了智能机器人双目视觉系统，它利用了图像处理原理和边缘检测算法，这样可以更加清晰的得到物体的边缘轮廓。利用随机测圆法和Hough变换的随机线条可以找到指定的对象。我们探讨了图像识别应用技术。通过机器人定位算法，在双目视觉坐标系下，可以快速而精确的定位目标。通过两个网路摄像机的校订，我们可以得到内部和外部参数，目标物体固定位置的3D空间坐标可以由双目视觉三角法精确计算得到。物体和机器人之间的距离可以有坐标变换系统得到。经由

2、三角几何理论检测，系统误差在允许的范围内。同时可以得到期望的精度和可靠性。一、引文我们提出了机器人双目视觉系统应用坐标，对人眼进行仿真，做到智能检测应用。因此，这样的系统可以在机械臂的作用下精确的捕捉目标的位置，而不需要大数量的传感器。双目视觉系统可以通过左右相机捕捉的图像找到共同的特征点。通过形态学的处理，物体和相机之间的距离可以精确的计算到。物体的三维坐标可以使用相机参数表示。因此，物体可以由机械臂抓取。部分2详细的介绍了餐饮服务机器人的外观和双目视觉硬件结构。部分3描述了寻找特征点的图像处理过程。部分4讨论并图示了特征点转换为三维坐标的过程。部分5和6分别给出了实验结果和结论。二、双目视

3、觉系统的结构图1 BVS硬件结构双目视觉系统硬件结构包括2个相机，安装在机器人的头部。由计算机组成的操作系统的结构如下。图2 BVS和机械臂系统结构三、图像处理选取现实中使用的目标物体，包括易拉罐，聚酯塑料瓶，杯子图3 目标物体检测所选目标物体具有不同的颜色，形状，找到它们的中心点，左右两个特征点，作为筛选目标物体的依据。A 形态学选取一个合适的阈值，便可以将目标物体从环境中分离出来。通过左右相机所得到的相机图像利用二进制系统表示以及HSV颜色模块，可以得到一个合适的阈值处理过程。图4 图像处理图像经过腐蚀和膨胀可以消除图像噪声。将RGB颜色模块转换到HSV颜色模块，转换方程如下：B、物体识别

4、通过灰度等级的突变，如果在一阶导数形成的高峰超过阈值之后，将会呈现测点形状。二阶微分是通过零交叉概念。对于函数f(x,y)沿着x轴的微分为对于x轴的微分进过平方和替换可以得到同样的对于y轴的微分类似。便可以得到通过Hough 变换，我们可以将x-y的坐标转为r-空间的坐标，这就是Sandy-Method空间角检测线方法。图 5 x-y坐标空间与r-空间坐标的关系可以得中心圆方程包括两个变量和一个可变的半径，需要进行累计数组测量。将每一个边缘点的位置坐标代入方程可以得到半径值。当所有的边缘点转换完毕的时候，通过设定的阈值和累积数组变换，便可以知道是否得到一个大致的图像。图6 三维累积数组假设在图

5、像中有K个侧点，为了得到对应于二维坐标的半径值r，将侧点代入a*b大小的圆中。检测每一小的格子，当数据超过阈值的时候，便可以得到下图图7 数字圆C 寻找特征点寻找特征点，对数据进行成批处理，然后得到目标点。对数据进行成批处理，是为了降低特征点的影响和复杂性，增加了特征点的精度。寻找的特征点如图所示，特征点在图8(a),(b)中以两个红色表示出来.图8(c)(d)表示使用Hough变换寻找图像中椭圆的中心点，因此便可以得到中心点。同样的特征点以红色表示出来。图8 特征点四、定位坐标A 相机坐标图9是坐标系统的变换。左右图像的特征点是像素点，通过内部参数矩阵，像素点可以转换为相机坐标。右相机是相机

6、坐标的原点，对于理想的针孔摄影，实像可以投影到像板上，这是远视投影。这就是三维空间坐标转换为二维像素坐标的转换办法。图9 双目视觉几何关系图解图10所示，图像中心Oc的三维坐标是相机坐标系统，3D空间点对应相机点。以点P=(Xc,Yc,Zc)表示。Zc是相机的光轴，F是Oc到像板之间的距离。Q是图像中心的焦点。图像面板上p点坐标是P的投影。图像坐标可以表示为P=（ ）。像板上投影点的坐标可以用如下等式表示相机坐标的三维坐标可以表示为等式是比例因子，可以随着图像分辨率的大小而改变。图10 透视投影几何图解B 相机参数实际情况下，相机的投影在像板上并不是理想的投影。因此，我们必须对相机元素进行校正

7、。由于透镜的放射影响，图像的中心坐标变成（）。，相机因此，相机Xc轴和Yc轴的系数是不等的，需要分开考虑。可以如下表示r是偏移系数代表了X轴和Y轴相对于直角的偏移角度。r值近似为0.整个内部参数矩阵表示如下。五、实验结果A 相机参数校定在整个研究中，双目视觉调整使用的是10*7的黑色象棋盘，每一个方块的尺寸是25.5*25.5mm2.相机的固有参数可以由OpenCV得到。图11 10*7的黑色象棋盘图示11表示相机通过校正盘求解内部和外部的参数矩阵，内部的参数矩阵包括成像中心和焦距长度，外部参数包括相对旋转和变换矩阵。左相机参数，内部参数:外部参数，变换矩阵:旋转矩阵：右相机参数，内部参数外部

8、参数，变换矩阵旋转矩阵B 测量结果文章以易拉罐，杯子等为对象，它们具有同样的形状不同的颜色，不同的形状同样的颜色，不同的形状不同的颜色等特征。带有内部和外部参数的相机图像坐标，我们可以利用三维重建原理，重建三维世界坐标。图11，在每一个轴线方向定义了相机坐标系统，并将右边的相机作为相机坐标系统的原点。成像工具使用的是罗马科技公司的QuickCam C920网络相机型号。它作为视觉感知装置和USB接口相连，图像的捕捉速度可以达到30帧每秒，一个自动的模块包括数字放大镜，HD CCD传感器。图11 相机坐标轴的定义使用Hough测量和HSV颜色模块，这样相似目标的识别，例如易拉罐瓶，塑料瓶，杯子，可口可乐罐等因为形状而很容易混淆的物体，同时也可以检测这些物品的颜色来判定。进过对测得的结果使用统计学的知识进行分析可以发现，左右特征点越是远离成像中心，所得到的误差越大，这是因为相机镜头的是凸面镜。另一方面，从测量结果可以得到一个精确的景深。图12易拉罐的识别和特征点的寻找【精品文档】第 3 页