基于机器视觉的面粉袋码垛机器人研究中实验与分析（上）

 2.4.3实验与分析

码垛机器人在类型识别时首先要读取模板库中的模板图像，并进行图像的预处理，再分别提取模板图像中的特征点，构建模板图像的特征库，使待识别的图像特征点直接与之匹配，节约了程序运行的时间。模板图像特征点的特征向量如图2.9所示。

对摄像机随机采集的待识别面粉袋进行图像预处理，得到增强的灰度图像，此时需要将灰度图像存储到磁盘为后续的位姿识别做准备。为对比说明各类型面粉袋图像的匹配实验结果，现使用SIFT算法分别提取四中类型面粉袋图像的特征向量，如图2.10所示。

应用图2.5所示的程序算法流程，分别将四种待识别的面粉袋图像与模板库中的模板图像进行匹配试验，结果表明本文程序算法能够成功匹配图像，准确判别出待识别面粉袋图像的类型，结果如图2.11所示。

由上图可以看出对于同一匹配阈值其正确匹配点数也出现波动，这是由于而粉袋在移动的过程中容易变形，进而影响到其特征点的提取和匹配。对于不同闭值，随着匹配阈值的增加，图像匹配的对数明显增加，但会存在一些错误的匹配对。当匹配闽值降低时，特征点匹配对数较少，系统更加稳定，有较强的抑错能力。经实验对比得出，本文的图像匹配闭值设为0.45时，能够获得良好的匹配效果和很高的识别准确度。

2.5面粉袋位姿识别

不同类型的面粉袋随机落在传送带上其姿态是不固定的，主要是指在传送带上的旋转角度和几何中心的位置，因此在判别出面粉袋类型后需立刻对面粉袋的旋转角度和几何中心位置进行识别，准确的识别出面粉袋的位姿信息是机器人顺利完成搬运作业的基础和关键。为获得目标物体的位置信息，许多学者己经做了大量的研究。南京农业大学的董坦坦等通过矩法计算成熟番茄的质心位置和惯性主轴，并用惯性主轴的角度辨识出番茄的生长姿态。吴一全等利用车牌中的字符的角点信息和惯性主轴实现了车牌倾斜角度的检测。范江艳利用Hough直线检测的方法对型材的偏斜角度进行识别。

2.5.1面粉袋中心位置识别

码垛机器人对于面粉袋中心位置的识别，首先读取在面粉袋类型匹配前期存储的面粉袋图像，该图像己经过图像预处理。然后运用最大类间方差法对灰度图像进行图像二值化处理，使目标图像从背景图像中分割开。分离出面粉袋的二值图像中会有一些小的干扰区域和小的孔洞，因此需要图像处理中的形态学开运算和形态学闭运算消除干扰和孔洞，得到清晰完整的面粉袋二值图像，最后计算出二值图像中面粉袋区域的质心像素坐标，即面粉袋图像的中心。识别出面粉袋图像中面粉袋的中心坐标后，再通过前面的摄像机标定内外参数及图像坐标系与世界坐标系的转换关系，即可得出面粉袋的真实中心位置。面粉袋中心位置的识别流程如图2.13所示。