主权项: |
1.本发明是用来为自动汽车生产流水线提供自动装载轮胎的系统,在流水线作业生产汽车的过程中,需要安装汽车轮胎和备胎;方法基于ORB的轮胎匹配算法为核心内容,以匹配算法定位轮胎的位置控制机械臂自动装载轮胎,该方法的灵活性较高,可对各种轮胎、货物进行匹配、定位,可以满足对不同精度和安全级别的要求;本方法是利用ORB方法进行轮胎匹配结合轮胎识别的位置控制机械臂的位置,实现自动装填轮胎,完善汽车生产线轮胎管理的信息自动化;所需设备:6个料架,计算机,机器人吊臂,摄像头,1条传送带,2条自动辊道;方法步骤如下:(010)部分,系统启动具体步骤如下:步骤C011:启动系统,加载配置文件场景信息,文件包括机器人吊臂位置、轨道信息、料架、轮胎型号、吊臂信息、吊臂状态;检测各个设备和功能是否正常工作;步骤C012:复原设备状态,然后进入待检测轮胎位置状态;步骤C013:装填轮胎至料架,料架通过传送带运送至工作区域;步骤C014:摄像头通过视频检测控制吊臂位置,检测分为特征点提取、特征点描述和位置调整;(020)部分,特征点提取具体步骤如下:步骤C021:粗提取,提取大量的特征点,从图像中选取一点P,判断该点是不是特征点的方法是,以P为圆心画一个半径为3像素的圆;圆周上如果有连续n个像素点的灰度值比P点的灰度值大或者小,则认为P为特征点;一般n设置为12,为了加快特征点的提取,快速排出非特征点,首先检测1、9、5、13位置上的灰度值,如果P是特征点,那么这四个位置上有3个或3个以上的的像素值都大于或者小于P点的灰度值;如果不满足,则直接排出此点;步骤C022:机器学习的方法筛选最优特征点;使用ID3算法训练一个决策树,将特征点圆周上的16个像素输入决策树中,以此来筛选出最优的FAST特征点;步骤C023:非极大值抑制去除局部较密集特征点;使用非极大值抑制算法去除临近位置多个特征点的问题;为每一个特征点计算出其响应大小;计算方式是特征点P和其周围16个特征点偏差的绝对值和;在比较临近的特征点中,保留响应值较大的特征点,删除其余的特征点;步骤C024:特征点的尺度不变形;建立金字塔,来实现特征点的多尺度不变性;设置一个比例因子scaleFactor(opencv默认为1.2)和金字塔的层数nlevels(opencv默认为8);将原图像按比例因子缩小成nlevels幅图像;缩放后的图像为:I’= I/scaleFactork(k=1,2,…, nlevels);nlevels幅不同比例的图像提取特征点总和作为这幅图像的oFAST特征点;步骤C025:特征点的旋转不变性;ORB算法提出使用矩(moment)法来确定FAST特征点的方向;通过矩来计算特征点以r为半径范围内的质心,特征点坐标到质心形成一个向量作为该特征点的方向;矩定义如下:其中,I(x,y)为图像灰度表达式;该矩的质心为:假设角点坐标为O,则向量的角度即为该特征点的方向;计算公式如下:(030)部分,特征点描述具体步骤如下:步骤C031:建立300k个特征点测试集;对于测试集中的每个点,考虑其31x31邻域对图像进行高斯平滑之后,使用邻域中的某个点的5x5邻域灰度平均值来代替某个点对的值,进而比较点对的大小;这样特征值更加具备抗噪性;另外可以使用积分图像加快求取5x5邻域灰度平均值的速度;步骤C032:在300k特征点的每个31x31邻域内按M种方法取点对,比较点对大小,形成一个300kxM的二进制矩阵Q;矩阵的每一列代表300k个点按某种取法得到的二进制数;步骤C033:对Q矩阵的每一列求取平均值,按照平均值到0.5的距离大小重新对Q矩阵的列向量排序,形成矩阵T;步骤C034:将T的第一列向量放到R中;步骤C035:取T的下一列向量和R中的所有列向量计算相关性,如果相关系数小于设定的阈值,则将T中的该列向量移至R中;步骤C036:按照步骤C035的方式不断进行操作,直到R中的向量数量为256;(040)部分,自动装载轮胎具体步骤如下:步骤C041:根据点对确定吊臂位置,调整吊臂进入工作位置;步骤C042:自动装载轮胎,根据配置文件场景信息将轮胎送至传送带;步骤C043:根据配置文件场景信息,回归初始位置。 |