基于视觉引导的搬运机器人目标识别的发展现状（下）

基于视觉引导的搬运机器人目标识别的发展现状（下）

 在对旋转图像进行匹配的方法中，图像矩也是一种应用较为广泛的方法。由于待匹配模板和待搜索图像中的匹配对象存在一定程度的角度的旋转，所以需要提取出一些不变量，能够应用于存在任意角度变换、尺寸大小变化的图像。当前，图像的面积、边缘、角点、图像矩等应用的场合较多，其中以图像矩的应用最为广泛，也是提取效果最好的一种不变量。目前，应用较多的图像矩包括Hu矩，Zernike矩，复数矩，几何矩等。自从Hu矩提出到现在，己经有很多学者对于图像的正交不变矩进行了深入研究，包括这些矩的计算复杂度，高低阶矩对不同噪声的敏感程度，不同图像矩对图像信息的保留程度等方面都进行了研究。运用较多和效果更好的图像矩一般是Hu}g}矩和Zernike}}}矩，图像的Zernike矩是基于Zernike多项式的在单位圆上的正交化函数，它的缺点在于，同几何矩和legendre矩比较起来，计算过程较为繁琐，但其优点在于，Zernike矩的模值在目标图像存在旋转和外部存在干扰噪声的条件下仍能保持较好的不变性。其原因在于Zernike矩像旋转不变性，还能够构造出其的任意阶矩，因此，能够被较大围的运用在当前的机器视觉检测领域。   搬运机器人