基于視覺(jué)的帶電作業(yè)機(jī)器人作業(yè)目標(biāo)識(shí)別技術(shù)研究.pdf

1、隨著計(jì)算機(jī)、圖像處理以及模式識(shí)別等技術(shù)的快速發(fā)展，機(jī)器視覺(jué)的應(yīng)用越來(lái)越廣泛。作為工業(yè)機(jī)器人獲取環(huán)境信息的主要手段之一，機(jī)器視覺(jué)提高了機(jī)器人工作的自主能力和靈活性。而近年來(lái)人們對(duì)于帶電作業(yè)的要求越來(lái)越高，將機(jī)器視覺(jué)與帶電作業(yè)機(jī)器人相結(jié)合，不但增加工作人員的安全系數(shù)，也能大大提高帶電作業(yè)的工作效率。因此，本文的研究具有重要的理論和實(shí)際意義。
　　本文主要對(duì)帶電作業(yè)機(jī)器人作業(yè)目標(biāo)的識(shí)別技術(shù)做了深入的研究。首先，本文針對(duì)研究使用的Basl

2、er攝像頭開(kāi)發(fā)了目標(biāo)圖像采集系統(tǒng);然后對(duì)采集的目標(biāo)圖像灰度化后進(jìn)行預(yù)處理，包括增加灰度對(duì)比度的灰度變換和消除圖像噪聲的圖像平滑，使圖像符合后續(xù)工作的要求;接著對(duì)目標(biāo)圖像進(jìn)行邊緣特征提取，分別使用了基于一階微分的邊緣檢測(cè)算子和基于二階微分的邊緣檢測(cè)算子，通過(guò)實(shí)驗(yàn)比較各個(gè)算子的性能，最終選擇Log算子的檢測(cè)結(jié)果;最后在傳統(tǒng)圖像匹配算法的基礎(chǔ)上，本文將改進(jìn)的Hausdorff距離方法和遺傳算法相結(jié)合，進(jìn)行圖像匹配實(shí)驗(yàn)，對(duì)目標(biāo)進(jìn)行識(shí)別，實(shí)驗(yàn)驗(yàn)證