机器人视觉定位方法和装置、视觉标定方法和装置的制造方法
【技术领域】
[0001] 本发明设及机器人领域，特别是设及一种机器人视觉定位方法和装置，视觉标定 方法和装置。
【背景技术】
[0002] 工业机器人系统中工件定位方法有机械定位、光电感应器、磁性感应器、视觉定位 等，其中机械定位和感应器定位具有成本低廉的优点，但是定位精度差、柔性差。而视觉定 位具有精度高，灵活性好的优点。
[0003] 传统的视觉处理方法都是采用模板特征匹配算法或者斑点扫描的方法，但是模板 特征匹配方法计算复杂度大，对于机器人视觉应用需要建立多模板数据，设置复杂，不断随 着新情况的出现调整模板，而斑点检测方法，检测成功率受到环境光照条件和摄像机参数 的影响较大，W上两种方法都需要经常设置图像参数和模板，只要识别标识发生变化即需 要重新设置模板，否则会发生漏识别或不能识别的现象，系统的鲁棒性能差。
【发明内容】
[0004] 基于此，有必要针对上述需要经常重新设置模板的问题，提出了一种简单的不需 要经常重新读入模板的机器人视觉定位方法和装置。
[0005] -种机器人视觉定位方法，所述方法包括:Sl:获取目标图像，并对所述目标图像 进行预处理;S2:根据预设的分割参数对步骤Sl处理过的图像进行特征分割；S3:对步骤S2 处理过的图像进行滤波处理；S4:对步骤S3处理过的图像进行连通域检测提取组成特征标 志的亮斑；S5:对所述亮斑进行过滤处理;S6:判断过滤后的亮斑数目是否符合预设的亮斑 数目，若是，则进入步骤S7,若否，则按预设规则调整步骤S2中的分割参数，重复上述步骤 S2-S6; S7:识别所述亮斑轮廓线;S8:判断所述识别出的亮斑轮廓线与预设的模板轮廓线是 否匹配;若匹配，则进入步骤S9; S9:输出识别出的特征标志。
[0006] -种机器人视觉定位装置，所述装置包括:获取模块，用于获取目标图像，并对所 述目标图像进行预处理;分割模块，用于根据预设的分割参数对预处理过的图像进行特征 分割;滤波模块，用于对分割模块处理过的图像进行滤波处理;检测模块，用于对滤波模块 处理过的图像进行连通域检测提取组成特征标志的亮斑;过滤模块，用于对所述亮斑进行 过滤处理;判断模块，用于判断过滤后的斑点数目是否符合预设的数目，若否，则通知分割 模块根据预设的规则调整分割参数;识别模块，用于若过滤后的斑点数目符合预设的数目 则识别所述亮斑轮廓线；匹配模块，用于判断所述识别出的亮斑轮廓线与预设的模板轮廓 线是否匹配;输出模块，用于若识别出的亮斑轮廓线与预设的模板轮廓线匹配，则输出识别 出的特征标志。
[0007] 上述方法和装置通过获取目标图像，并对所述目标图像进行预处理;根据预设的 分割参数对图像进行特征分割，对分割后的图像进行滤波处理，对滤波后的图像进行连通 域检测提取组成特征标志的亮斑，对提取的亮斑进行过滤处理，判断过滤后的亮斑数目是 否符合预设的数目，若否，则重新调整分割参数，进行重新检测，若是，则识别亮斑轮廓线， 判断识别出的亮斑轮廓线与预设的模板轮廓线是否匹配，若是，则输出识别出的特征标志。 当亮斑数目不符合预设的数目时，自动重新调整分割参数，不需要重新读入模板参数。该方 法通过自动调整分割参数，使得分割后的轮廓符合初始设置条件，经过几次迭代后可W把 特征标志识别出来，适应光照条件不同的图像检测，在光照不稳定的条件下也能实现特征 标志的识别，另外，该方法避免了人工干预调整参数，实现了视觉系统长期稳定地运行。
[0008] -种视觉标定方法，该方法包括:识别工件上的特征标志;通过机械手带动摄像头 移动到所述特征标志上方，记录移动的物理坐标;对所述物理坐标对应的图像进行处理，识 别出特征标志在图像中的坐标;根据记录的物理坐标和对应的图像坐标，确定特征标志的 图像坐标与物理坐标之间的映射关系。
[0009] -种视觉标定装置，该装置包括:标志识别模块，用于识别工件上的特征标志；坐 标记录模块，用于通过机械手带动摄像头移动到所述特征标志上方，记录移动的物理坐标； 坐标识别模块，用于对所述物理坐标对应的图像进行处理，识别出特征标志在图像中的坐 标;关系确定模块，用于根据记录的物理坐标和对应的图像坐标，确定特征标志的图像坐标 与物理坐标之间的映射关系。
[0010] 上述视觉标定方法和装置，通过识别工件上的特征标志，继而通过机械手带动摄 像头移动到特征标志上方，记录移动的物理坐标，对物理坐标对应的图像进行处理，识别出 特征标志在图像中的坐标，根据记录的物理坐标和对应的图像坐标，确定特征标志的图像 坐标与物理坐标之间的映射关系。该标定方法简便，直接使用实际产品进行标定，标志过程 全自动进行，避免了人工干预，标定参数准确可靠。
【附图说明】
[0011] 图1为一个实施例中机器人视觉定位方法的流程图；
[0012] 图2为一个实施例中连通域的星型拓扑方式的示意图；
[0013] 图3为一个实施例中特征标志旋转的示意图；
[0014] 图4为一个实施例中计算法向角的示意图；
[0015] 图5为一个实施例中角度索引表的结构示意图；
[0016] 图6A至6C为一个实施例中在不同光照强度下的特征标志示意图；
[0017] 图7为另一个实施例中机器人视觉定位方法的流程图；
[0018] 图8为再一个实施例中机器人视觉定位方法的流程图；
[0019] 图9为一个实施例中识别亮斑轮廓线的方法流程图；
[0020] 图10为一个实施例中判断轮廓线是否匹配的方法流程图；
[0021] 图11为一个实施例中视觉标定方法的流程图；
[0022] 图12为另一个实施例中视觉标定方法的流程图；
[0023] 图13为一个实施例中理想坐标和实际坐标之差的示意图；
[0024] 图14为一个实施例中机器人视觉定位的装置结构框图；
[0025] 图15为另一个实施例中机器人视觉定位的装置结构框图；
[0026] 图16为再一个实施例中机器人视觉定位的装置结构框图；
[0027] 图17为一个实施例中识别模块的结构框图；
[00%]图18为一个实施例中匹配模块的结构框图；
[0029] 图19为一个实施例中视觉标定装置的结构框图；
[0030] 图20为另一个实施例中视觉标定装置的结构框图。
【具体实施方式】
[0031] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。
[0032] 如图1所示，在一个实施例中，提出了一种机器人视觉定位方法，该方法包括：
[0033] 步骤SI,获取目标图像，并对目标图像进行预处理。
[0034] 在本实施例中，通过拍摄目标物获取目标图像，将获取的目标图像进行预处理，具 体的，可W通过亚采样和孤立点滤波方法对目标图像进行预处理，亚采样方法是指根据一 定的规则每隔几个像素提取一个像作为有效像素，比如，在等水平和等垂直间距每3个像素 提取一个像素进行保存;经过亚采样可W得到数据量缩小的图像，运样有利于降低计算复 杂度，提高计算速度。孤立点滤波方法根据图像质量选择使用线性滤波器或形态学滤波滤 掉图像中孤立噪声点。
[0035] 步骤S2,根据预设的分割参数对步骤Sl处理过的图像进行特征分割。
[0036] 具体的，将经过预处理的目标图像根据预设的分割参数进行特征分割，图像特征 分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术。在本 实施例中，对图片进行特征分割的目的是为了让特征标志的颜色和全局背景色区分开，W 便提取特征标志，比如，经过特征分割后让特征标志变成白色图案，而它周边的背景色变成 黑色，为后续提取特征标志做准备。
[0037] 步骤S3，对步骤S2处理过的图像进行滤波处理。
[0038] 在本实施例中，图像滤波处理即在尽量保留图像细节特征的条件下对目标图像的 噪声进行抑制。经过特征分割后的图像背景中必然会存在一些干扰点，通过对特征分割后 的图像进行滤波处理，可W去除噪声点即干扰点。
[0039] 步骤S4，对步骤S3处理过的图像进行连通域检测提取组成特征标志的亮斑。
[0040] 具体的，连通域检测就是把图像中具有相同像素部分提取出来，提取出的连通域 称为Blob(亮斑）。对经过滤波处理过的图像进行连通域检测W便提取组成特征标志的亮 斑。Blob特征全部存储在的下列的参数结构体数组中。其中，数组单元定义在LTRegion 1结 构体内，Blob分布存储在标志图f Iagmap中。
[0041 ] typedef struct RegionSurround
[0042] {double KAngle;//物体角度
[0043] double Length;//物体长度
[0044] double Wi化h;/7物体宽度
[0045] double Cenx;//中屯、坐标
[0046] double Ceny;//中屯、坐标
[0047] IRegionSurround；
[004引 typedef struct LTRegion 1
[0049] {
[0化0] int lef1:P0INT[maxlmageSize門；//区域每行左端点
[0化1] int ri曲 1:P0INT[maxlmageSize門；//区域每行右端点
[0化2] int RegionNum;//区域数目，LTRegion[0] .RegionNum有效区域数目 [0053] RECT Surround_Rect;/7包围框
[0化4] int LTRegionJD;//区域ID号LTRegion[0]丄TR