双目焊接机器人系统功能分析 中

焊接机器人双目图像特征提取

特征提取就是根据CCD摄像机提取的图像信息，决定每个图像的点是否属于一个图像特征。常用的图像特征主要有:颜色、形状、纹理、空间关系等。由于目前为止没有一种确定的理论普遍适用于所有图像特征的提取，因此针对不同的图像适用有不同的提取算法，特征提取算法具有多样性。目前常用的边缘特征提取算子主要有:Harris算子、SUSAN算子、Canny算子、Roberts算子、Sobel算子等。

一般情况下，大尺度的特征拥有较丰富的图像信息，容易被提取，但是在图像中的数量较少且利用这些特征进行定位的精度较差;小尺度的特征虽然所包含的图像信息较少，但是它们数量较大，而且小尺度的特征匹配时需要较强的约束准则和约束策略，很难出现匹配重复的问题，因此定位精度较高，如:对图像中的特征点、特征线进行提取。本文就是以提取焊缝边缘特征点为目标，针对传统的Canny边缘提取算子在2x 2邻域内求取差分初值时易受噪声的影响，以至于出现提取到假边缘，或者丢失部分边缘信息的现象，采用5x5邻域范围求取梯度幅值和梯度方向，仿真实验证明算法可有效提高边缘检测精度和抑制噪声。

立体匹配与三维重建

(1)立体匹配

立体匹配就是找对应点问题，即在一副图像中给定一点，在另一副图像中寻找对应点，使得两点为空间同一物体的投影。立体匹配是双目立体视觉中最难也是最重要的一个环节。空间中的三维物体被投射为二维图像中，物体上的同一投影点在左右两幅图像中往往差别很大，而且由于摄像机镜头畸变、环境噪声、光照影响、阴影等因素使投影点的差异更大，因此要在这些环境的影响下准确的对图像进行立体匹配是非常困难的，目前为止没有一个理论能够非常好的解决这个问题。

立体匹配根据匹配方式和匹配基元的不同主要分为:基于特征的立体匹配、基于相位的立体匹配、基于区域的立体匹配。而基于特征的立体匹配根据图像特征类型的选择不同又分为:基于特征点的立体匹配、基于特征线的立体匹配、基于特征面的立体匹配。本文针对手眼焊接机器人的三维焊缝轨迹定位问题，在双目视觉条件下研究了一种基于自适应窗口的多信息立体匹配算法。以边缘点作为匹配基元，以外极线约束、边缘差分强度和梯度方向相似性约束准则为约束条件来约束搜索区间，构建待匹配点邻域的自适应窗口模型，实现了对目标物体三维焊缝的立体匹配。

(2)三维重建

三维重建就是对完成立体匹配的图像对进行三维空间的坐标恢复。人类视觉系统对信息的获取就是一个三维重建过程，人通过左右眼分别得到空间物体在视网膜上形成的图像，大脑进行处理、分析和计算，得到其在空间中的位置坐标。

本文的焊接机器人的双目视觉系统也是通过左右摄像机的透视方法获取空间物体的二维图像，因此同人类的双目视觉原理一样，计算机利用双目视觉摄像机的内外参数以及像素坐标系、图像坐标系、摄像机坐标系和基坐标系四种坐标系的转换关系，然后根据三角测量原理计算匹配对在基坐标系下的三维坐标，实现三维场景的恢复。