一种面向机械装配过程的零部件自动识别方法与流程

技术特征：

1.一种面向机械装配过程的零部件自动识别方法，其特征在于，包括如下步骤：

步骤1，构建所要装配的机器的零部件装配序列库

将所要装配的机械零部件在装配过程中每一步所需要的零部件的特征依照装配顺序存储于装配零部件机械臂的终端计算机中；

步骤2，零部件堆的图像采集

采集办法是采用工业CCD(电荷耦合器件)，采集到机械零件的二维平面图像并提取灰度信息。由于零散环境中零部件存在遮挡以及同种零部件不同尺寸的情况，对同一零部件堆进行360度范围不同角度的图像采集，即每四十五度采集一次图像，共采集零件堆八个方向的图像；

步骤3，零部件堆图像的预处理

对采集到的零散环境中的零部件堆图像进行必要的去噪、二值化、梯度锐化、分割归一化处理，以提高图像质量；

步骤4，零部件堆图像的三维立体构建

采用基于深度图像与计算的统一装置结构(Compute Unified Device Architecture)的实时重建的方法，将步骤2，3完成后的图像在计算机中进行零部件三维立体模型构建；

步骤5，零部件堆图像的特征提取：步骤4构建完成零部件的三维立体图像后，提取零部件图像的尺度，形状，颜色特征以及现有广泛使用的sift特征进行步骤6操作；

对于零部件堆图像尺度特征的提取，首先选定工业零件待测量部分区域，对选定的两个区域用Sobel边缘检测算法进行边缘检测，进而用高斯曲线拟合法进行亚像素定位；其次选定工业零件的最左边边缘和最右边边缘，在任意处设定坐标原点，以平行于CCD感光元素的方向为x轴(以像素为单位)，求出两个边缘的x坐标值MaxX和MinX；然后令x的坐标值MaxX与MinX相减，取两者差的绝对值，得出两边缘之间的像素个数PixelWidth；然后通过摄像机的标定系数k,即可得出选定区域的宽度值；RegionWidth＝k*PixelWidth；最后，为了得到精确结果，选取不同的测量区域进行多次测量后取平均值；

对于零部件堆图像形状特征的提取，采用基于边缘检测图像的逐像素特征提取法，通过对图像进行逐行逐列的扫描，当遇到黑色像素时取其特征值为l，遇到白色像素时取其特征值为0，这样当扫描结束以后就形成了一个维数与图像中像素点的个数相同的特征向量矩阵，以此特征向量矩阵作为图像的形状特征；

对于零部件堆图像颜色特征的提取，采用颜色直方图的方法进行描述；；使用颜色特征检索图像时计算每一幅图像的颜色直方图(见(1)式，其中设一幅图像的灰度级为N，ni为第i中颜色在整幅图中的像素数)、累计直方图(见(2)式)，

颜色直方图

累计直方图

及每种颜色在图像像素点中的比例，作为图像的颜色特征加以保存；

对于零部件堆图像sift特征的提取，首先进行尺度空间的生成；然后检测尺度空间极值点，并精确定位极值点；然后为每个关键点指定方向参数；最后生成关键点的描述子作为sift特征；

步骤6，零部件的配准识别

将步骤1已构建完成的零部件装配序列库中将要装配的零部件特征与步骤5获取到的零散环境中的零部件堆的图像特征进行配准识别；若找到所需的零部件，则机器臂抓取零部件进行机器的装配，重复步骤6的工作，直到所要进行的装配过程结束；若找不到所需的零部件，则通过机械装置将零部件堆重置，重复步骤2到步骤6的工作。