CN110223350A - 一种基于双目视觉的积木自动分拣方法及*** - Google Patents
一种基于双目视觉的积木自动分拣方法及*** Download PDFInfo
- Publication number
- CN110223350A CN110223350A CN201910432830.4A CN201910432830A CN110223350A CN 110223350 A CN110223350 A CN 110223350A CN 201910432830 A CN201910432830 A CN 201910432830A CN 110223350 A CN110223350 A CN 110223350A
- Authority
- CN
- China
- Prior art keywords
- building blocks
- sorting
- color
- image
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 239000002023 wood Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000011218 segmentation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于双目视觉的积木自动分拣方法及***,其中,该方法包括:对相机进行标定;通过标定后的相机采集生产线传送带上的积木,生成积木图;对所述积木图进行预处理,获取预处理后的积木图;对所述预处理后的积木图进行图像转换,确定积木的颜色;对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;对所述相机采集的图片进行处理,获取作为分拣目标的积木信息;将所述空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。在本发明实施例中,使用双目视觉的方法识别积木空间位置以及自动抓取积木,实现工业积木生产中积木的识别和自动抓取,从而解决积木分拣中效率低、准确率低的问题。
Description
技术领域
本发明涉及工业自动化识别及机器视觉技术领域,尤其涉及一种基于双目视觉的积木自动分拣方法及***。
背景技术
在工业自动化识别技术发展过程中,工件分拣是一件繁琐的工作,最初的分拣方法为人工分拣,分拣的快慢以及准确性都取决于工人的熟练程度、劳累程度和工作态度。同时,某些产业的分拣具有一定的危险性或者对分拣环境的卫生情况有严格要求。因此,实现工件的分拣自动化具有重要的意义。积木的种类、形状、颜色繁多,且众多的配件也给积木的分拣带来很大的麻烦。
实现工件分拣自动化的关键是能否准确识别待抓取工件的具***置,以及快速准确地抓取和放置工件。在非接触测量方面,主要有激光深度测量、雷达测量等。激光测量是通过高频激光脉冲对物体进行测量,此种方式价格昂贵,不适用于对工件的三维定位;雷达测距是通过发出雷达信号,然后分析目标工件反射回来的信号进行距离的识别,此方法容易受到噪声影响,在噪声较多的工件分拣生产线上并不适用。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于双目视觉的积木自动分拣方法及***,可实现工业积木生产中积木的识别和自动抓取,从而解决积木分拣中效率低、准确率低的问题。
为了解决上述问题,本发明提出了一种基于双目视觉的积木自动分拣方法,所述方法包括:
对相机进行标定;
通过标定后的相机采集生产线传送带上的积木,生成积木图;
对所述积木图进行预处理,获取预处理后的积木图;
对所述预处理后的积木图进行图像转换,确定积木的颜色;
对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
对所述相机采集的图片进行处理,获取作为分拣目标的积木信息;
将所述空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
优选地,所述对所述预处理后的积木图进行图像转换,确定积木的颜色的步骤,包括:
对所述预处理后的积木图由RGB图像转化为HSV图像;
根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
优选地,所述对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息的步骤,包括:
根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。
优选地,所述对所述相机采集的图片进行处理,获取作为分拣目标的积木信息的步骤,包括:
对所述相机采集的图片进行校正并灰度处理,获得灰度图片;
对所述灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
优选地,所述对所述积木图进行预处理,获取预处理后的积木图的步骤,包括:
使用中值滤波方法对所述积木图进行预处理,获得滤波处理后的积木图。
相应地,本发明还提供一种基于双目视觉的积木自动分拣***,所述***包括:
相机标定模块,用于对相机进行标定;
图像生成模块,用于通过标定后的相机采集生产线传送带上的积木,生成积木图;
预处理模块,用于对所述积木图进行预处理,获取预处理后的积木图;
颜色确定模块,用于对所述预处理后的积木图进行图像转换,确定积木的颜色;
空间位置获取模块,用于对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
分拣信息确定模块,用于对所述相机采集的图片进行处理,获取作为分拣目标的积木信息;
发送模块,用于将所述空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
优选地,所述颜色确定模块包括:
转化单元,用于对所述预处理后的积木图由RGB图像转化为HSV图像;
区分单元,用于根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
优选地,所述空间位置获取模块还用于根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。
优选地,所述分拣信息确定模块包括:
灰度处理单元,用于对所述相机采集的图片进行校正并灰度处理,获得灰度图片;
目标选取单元,用于对所述灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
优选地,所述预处理模块还用于使用中值滤波方法对所述积木图进行预处理,获得滤波处理后的积木图。
在本发明实施例中,使用双目视觉的方法识别积木空间位置以及自动抓取积木,实现工业积木生产中积木的识别和自动抓取,从而解决积木分拣中效率低、准确率低的问题,并且可以持续不断地分拣和不受工人的效率影响;同时,采用双目视觉和机械手臂结合的方式,稳定性高,成本低,安装方便。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例的基于双目视觉的积木自动分拣方法的流程示意图;
图2是本发明实施例的相机标定的流程示意图;
图3是本发明实施例中HSV模型示意图;
图4是本发明实施例的基于双目视觉的积木自动分拣***的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例的基于双目视觉的积木自动分拣方法的流程示意图,如图1所示,该方法包括:
S1,对相机进行标定;
S2,通过标定后的相机采集生产线传送带上的积木,生成积木图;
S3,对积木图进行预处理,获取预处理后的积木图;
S4,对预处理后的积木图进行图像转换,确定积木的颜色;
S5,对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
S6,对相机采集的图片进行处理,获取作为分拣目标的积木信息;
S7,将空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
在本发明实施例中,首先对左、右相机进行标定,在双目立体视觉***中,相机的标定主要是为了求解出相机的几何参数,包括相机模型的内部参数及相对于目标工件的空间位置外部参数。通过相机标定能得到物体在世界坐标系中的三维信息。本发明利用二维标定板进行不用角度和方向拍摄,然后对标定进行识别的方法。利用计算得到的线性优化解,通过最大似然法再进行非线性求解得到相机的参数。相机标定的流程图如图2所示:左、右相机分别获取图片,完成图片中心点的提取,各自完成标定,最终进行双相机标定。
在S3中,优选地,使用中值滤波方法对积木图进行预处理,获得滤波处理后的积木图。
具体实施中,对相机采集的积木图进行预处理,可以使用均值滤波、高斯滤波和中值滤波等方法进行预处理,通过对比处理后的图像,中值滤波方法的处理结果较好,因此,本实施例使用中值滤波对积木图像进行预处理。
S4进一步包括:
对预处理后的积木图由RGB图像转化为HSV图像;
根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
具体实施中,把积木图由RGB图像转化为HSV图像,RGB(红、绿、蓝)是依据人眼识别的颜色定义出的空间,可表示大部分颜色。但一般不采用RGB空间,因为RGB空间的分量与亮度密切相关,即只要亮度改变,3个分量都会随之相应地改变。HSV(色调、饱和度、亮度)根据颜色的直观特性提出的,此空间可以很好反应眼睛对于色彩的感知能力。其模型如图3所示。HSV模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1。它包含RGB模型中的R=1,G=1,B=1三个面,所代表的颜色较亮。色彩H由绕V轴的旋转角给定。红色对应于角度0°,绿色对应于角度120°,蓝色对应于角度240°。在HSV颜色模型中,每一种颜色和它的补色相差180°。饱和度S取值从0到1,所以圆锥顶面的半径为1。
从RGB空间转换为HSV空间。其转换公式如下所示:
R'=R/255;G'=G/255;B'=B/255;
Cmax=max(R',G',B');
Cmin=min(R',G',B');
Δ=Cmax-Cmin;
V=Cmax
彩色图像RGB的值原本是Unit8型,值的范围为0-255,为方便计算,使用RGB转化为Double型,值的范围为0-1,分别使用R’,G’,B’表示,式中Cmax,Cmin分别代表(R’,G’,B’)中最大值和最小值,使用RGB空间转化后,可在HSV空间对图像的H、S、V的信息进行阈值分割,从而确定积木的不同颜色。具体实施中,根据积木在HSV空间的分布规律,结合大津算法,对图片内积木的颜色进行区分。各种颜色积木的阈值如下所示:
白色:V>0.88;S≤0.1;
黑色:V≤0.18;
红色:9π/5<H≤2π;V>0.18;S>0.17;
绿色:2π/5<H≤4π/5;V>0.18;S>0.17;
黄色:3π/10<H≤2π/5;V>0.18;S>0.17;
蓝色:10π/9<H≤4π/3;V>0.18;S>0.17;
其中:H∈[0,2π],V∈[0,1],S∈[0,1]。
在S5中,进一步地根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。
通过计算采集的图像分析图像坐标系,从而计算出相对应的世界坐标系:
其中,(ul,vl),(ur,vr)为空间点在左右相机图像上的坐标值;Ml,Mr为左右相机的投影矩阵,XW,YW,ZW为欲求空间点的三维坐标,ml和mr分别为Ml和Mr的元素。将上面两式联立消去Zl,Zr可得:
令矩阵A等于:
令矩阵b等于:
因此:
AP=b
P=[XW YW ZW]T
标定后相机的投影矩阵已知,若获得(ul,vl),(ur,vr)则根据最小二乘法,可得P点的坐标:
P=(AA)-1ATb
进一步地,S6包括:
对相机采集的图片进行校正并灰度处理,获得灰度图片;
对灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
通过上述方式获得积木的实际空间位置信息后,需要确定积木的分拣顺序,在积木分拣工序之前,应当首先确定哪一个积木是待分拣的积木。通过每次分拣之后重新拍摄图像,来确定新的待分拣积木。依此循环,逐个完成分拣。本发明通过两台相机获取的图片,经过图片校正后,再转换为灰度图片,分别对灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标。其过程如下:
(1)以图片灰度值为基础,将其灰度值扩展至0~255范围;
(2)通过区域增长的方法对目标区域进行分割,将灰度值均方差值小于5的区域集合并分割出来;
(3)计算图片中的灰度值的均值,并根据均值的大小对图像进行阈值分割;
(4)对阈值分割后的区域进行面积的筛选,去除错误区域;
(5)计算筛选出的区域的最大灰度值。以此灰度值作为阈值进行分割,获得最大灰度值的区域。此区域所代表的积木则为待分拣的积木。
在本发明实施例中,在S7之后,还包括机器人(机械手臂)根据空间位置信息和作为分拣目标的积木信息自动抓取积木放到指定的地方。
在本发明实施例中,使用双目视觉的方法识别积木空间位置以及自动抓取积木,实现工业积木生产中积木的识别和自动抓取,从而解决积木分拣中效率低、准确率低的问题,并且可以持续不断地分拣和不受工人的效率影响;同时,采用双目视觉和机械手臂结合的方式,稳定性高,成本低,安装方便。
相应地,本发明实施例还提供一种基于双目视觉的积木自动分拣***,如图4所示,该***包括:
相机标定模块1,用于对相机进行标定;
图像生成模块2,用于通过标定后的相机采集生产线传送带上的积木,生成积木图;
预处理模块3,用于对积木图进行预处理,获取预处理后的积木图;
颜色确定模块4,用于对预处理后的积木图进行图像转换,确定积木的颜色;
空间位置获取模块5,用于对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
分拣信息确定模块6,用于对相机采集的图片进行处理,获取作为分拣目标的积木信息;
发送模块7,用于将空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
在本发明实施例中,首先对左、右相机进行标定,在双目立体视觉***中,相机的标定主要是为了求解出相机的几何参数,包括相机模型的内部参数及相对于目标工件的空间位置外部参数。通过相机标定能得到物体在世界坐标系中的三维信息。本发明利用二维标定板进行不用角度和方向拍摄,然后对标定进行识别的方法。利用计算得到的线性优化解,通过最大似然法再进行非线性求解得到相机的参数。
预处理模块3使用中值滤波方法对积木图进行预处理,获得滤波处理后的积木图。
进一步地,颜色确定模块4包括:
转化单元,用于对预处理后的积木图由RGB图像转化为HSV图像;
区分单元,用于根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
具体的颜色确定过程可参见方法实施例中S4的详细描述。
进一步地,空间位置获取模块5还用于根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。具体的空间位置确定过程可参见方法实施例中S5的详细描述。
进一步地,分拣信息确定模块6包括:
灰度处理单元,用于对相机采集的图片进行校正并灰度处理,获得灰度图片;
目标选取单元,用于对灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
通过上述方式获得积木的实际空间位置信息后,需要确定积木的分拣顺序,在积木分拣工序之前,应当首先确定哪一个积木是待分拣的积木。通过每次分拣之后重新拍摄图像,来确定新的待分拣积木。依此循环,逐个完成分拣。本发明通过两台相机获取的图片,经过图片校正后,再转换为灰度图片,分别对灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标。其过程如下:
(1)以图片灰度值为基础,将其灰度值扩展至0~255范围;
(2)通过区域增长的方法对目标区域进行分割,将灰度值均方差值小于5的区域集合并分割出来;
(3)计算图片中的灰度值的均值,并根据均值的大小对图像进行阈值分割;
(4)对阈值分割后的区域进行面积的筛选,去除错误区域;
(5)计算筛选出的区域的最大灰度值。以此灰度值作为阈值进行分割,获得最大灰度值的区域。此区域所代表的积木则为待分拣的积木。
具体地,本发明***相关功能模块的工作原理可参见方法实施例的实现过程的相关描述,这里不再赘述。
在本发明***实施例中,使用双目视觉的方法识别积木空间位置以及自动抓取积木,实现工业积木生产中积木的识别和自动抓取,从而解决积木分拣中效率低、准确率低的问题,并且可以持续不断地分拣和不受工人的效率影响;同时,采用双目视觉和机械手臂结合的方式,稳定性高,成本低,安装方便。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的基于双目视觉的积木自动分拣方法及***进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于双目视觉的积木自动分拣方法,其特征在于,所述方法包括:
对相机进行标定;
通过标定后的相机采集生产线传送带上的积木,生成积木图;
对所述积木图进行预处理,获取预处理后的积木图;
对所述预处理后的积木图进行图像转换,确定积木的颜色;
对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
对所述相机采集的图片进行处理,获取作为分拣目标的积木信息;
将所述空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
2.如权利要求1所述的基于双目视觉的积木自动分拣方法,其特征在于,所述对所述预处理后的积木图进行图像转换,确定积木的颜色的步骤,包括:
对所述预处理后的积木图由RGB图像转化为HSV图像;
根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
3.如权利要求1或2所述的基于双目视觉的积木自动分拣方法,其特征在于,所述对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息的步骤,包括:
根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。
4.如权利要求1所述的基于双目视觉的积木自动分拣方法,其特征在于,所述对所述相机采集的图片进行处理,获取作为分拣目标的积木信息的步骤,包括:
对所述相机采集的图片进行校正并灰度处理,获得灰度图片;
对所述灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
5.如权利要求1所述的基于双目视觉的积木自动分拣方法,其特征在于,所述对所述积木图进行预处理,获取预处理后的积木图的步骤,包括:
使用中值滤波方法对所述积木图进行预处理,获得滤波处理后的积木图。
6.一种基于双目视觉的积木自动分拣***,其特征在于,所述***包括:
相机标定模块,用于对相机进行标定;
图像生成模块,用于通过标定后的相机采集生产线传送带上的积木,生成积木图;
预处理模块,用于对所述积木图进行预处理,获取预处理后的积木图;
颜色确定模块,用于对所述预处理后的积木图进行图像转换,确定积木的颜色;
空间位置获取模块,用于对确定积木颜色后的图像进行处理,获取该积木所处的空间位置信息;
分拣信息确定模块,用于对所述相机采集的图片进行处理,获取作为分拣目标的积木信息;
发送模块,用于将所述空间位置信息和作为分拣目标的积木信息发送给机器人进行积木分拣。
7.如权利要求6所述的基于双目视觉的积木自动分拣***,其特征在于,所述颜色确定模块包括:
转化单元,用于对所述预处理后的积木图由RGB图像转化为HSV图像;
区分单元,用于根据积木在HSV空间的分布规律对积木图内的积木的颜色进行区分,确定积木的颜色。
8.如权利要求6所述的基于双目视觉的积木自动分拣***,其特征在于,所述空间位置获取模块还用于根据图像坐标系与世界坐标系的关系计算出相对应的世界坐标系,获得该积木所处的空间位置信息。
9.如权利要求6所述的基于双目视觉的积木自动分拣***,其特征在于,所述分拣信息确定模块包括:
灰度处理单元,用于对所述相机采集的图片进行校正并灰度处理,获得灰度图片;
目标选取单元,用于对所述灰度图片进行处理,选取重叠积木最上方的积木作为分拣目标,获得作为分拣目标的积木信息。
10.如权利要求6所述的基于双目视觉的积木自动分拣***,其特征在于,所述预处理模块还用于使用中值滤波方法对所述积木图进行预处理,获得滤波处理后的积木图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432830.4A CN110223350A (zh) | 2019-05-23 | 2019-05-23 | 一种基于双目视觉的积木自动分拣方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910432830.4A CN110223350A (zh) | 2019-05-23 | 2019-05-23 | 一种基于双目视觉的积木自动分拣方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110223350A true CN110223350A (zh) | 2019-09-10 |
Family
ID=67818193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910432830.4A Pending CN110223350A (zh) | 2019-05-23 | 2019-05-23 | 一种基于双目视觉的积木自动分拣方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223350A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111266315A (zh) * | 2020-02-20 | 2020-06-12 | 南京工程学院 | 基于视觉分析的矿石物料在线分拣***及其方法 |
CN111558549A (zh) * | 2020-04-28 | 2020-08-21 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种益智积木块自动检测、识别、分拣装置 |
CN113145473A (zh) * | 2021-02-20 | 2021-07-23 | 广州大学华软软件学院 | 一种水果智能分拣***及方法 |
CN113808206A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版***及方法 |
CN114199124A (zh) * | 2021-11-09 | 2022-03-18 | 汕头大学 | 基于线性拟合的坐标标定方法、装置、***及介质 |
CN114289331A (zh) * | 2021-10-20 | 2022-04-08 | 浙江菜鸟供应链管理有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN115364494A (zh) * | 2022-07-26 | 2022-11-22 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
TWI814100B (zh) * | 2021-10-06 | 2023-09-01 | 國立勤益科技大學 | 物流辨識撿貨系統 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902271A (zh) * | 2012-10-23 | 2013-01-30 | 上海大学 | 基于双目视觉的机器人目标识别与抓取***及方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航***及方法 |
CN204234368U (zh) * | 2014-09-30 | 2015-04-01 | 汕头大学 | 一种双面视觉检测设备 |
CN206505660U (zh) * | 2017-02-24 | 2017-09-19 | 厦门理工学院 | 一种积木颜色分拣实训平台 |
CN107301634A (zh) * | 2017-06-28 | 2017-10-27 | 湖南瑞森可机器人科技有限公司 | 一种机器人自动分拣方法及*** |
CN107767423A (zh) * | 2017-10-10 | 2018-03-06 | 大连理工大学 | 一种基于双目视觉的机械臂目标定位抓取方法 |
CN109465809A (zh) * | 2018-12-17 | 2019-03-15 | 中北大学 | 一种基于双目立体视觉定位识别的智能垃圾分类机器人 |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及*** |
-
2019
- 2019-05-23 CN CN201910432830.4A patent/CN110223350A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102902271A (zh) * | 2012-10-23 | 2013-01-30 | 上海大学 | 基于双目视觉的机器人目标识别与抓取***及方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航***及方法 |
CN204234368U (zh) * | 2014-09-30 | 2015-04-01 | 汕头大学 | 一种双面视觉检测设备 |
CN206505660U (zh) * | 2017-02-24 | 2017-09-19 | 厦门理工学院 | 一种积木颜色分拣实训平台 |
CN107301634A (zh) * | 2017-06-28 | 2017-10-27 | 湖南瑞森可机器人科技有限公司 | 一种机器人自动分拣方法及*** |
WO2019062291A1 (zh) * | 2017-09-29 | 2019-04-04 | 歌尔股份有限公司 | 一种双目视觉定位方法、装置及*** |
CN107767423A (zh) * | 2017-10-10 | 2018-03-06 | 大连理工大学 | 一种基于双目视觉的机械臂目标定位抓取方法 |
CN109465809A (zh) * | 2018-12-17 | 2019-03-15 | 中北大学 | 一种基于双目立体视觉定位识别的智能垃圾分类机器人 |
Non-Patent Citations (1)
Title |
---|
包能胜等: ""图像处理技术在再生塑料颗粒"", 《轻工机械》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111266315A (zh) * | 2020-02-20 | 2020-06-12 | 南京工程学院 | 基于视觉分析的矿石物料在线分拣***及其方法 |
CN111558549A (zh) * | 2020-04-28 | 2020-08-21 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种益智积木块自动检测、识别、分拣装置 |
CN111558549B (zh) * | 2020-04-28 | 2022-03-29 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种益智积木块自动检测、识别、分拣装置 |
CN113145473A (zh) * | 2021-02-20 | 2021-07-23 | 广州大学华软软件学院 | 一种水果智能分拣***及方法 |
CN113808206A (zh) * | 2021-09-14 | 2021-12-17 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版***及方法 |
CN113808206B (zh) * | 2021-09-14 | 2024-02-02 | 广东三水合肥工业大学研究院 | 一种基于视觉追踪机器人的排版***及方法 |
TWI814100B (zh) * | 2021-10-06 | 2023-09-01 | 國立勤益科技大學 | 物流辨識撿貨系統 |
CN114289331A (zh) * | 2021-10-20 | 2022-04-08 | 浙江菜鸟供应链管理有限公司 | 数据处理方法、装置、电子设备和存储介质 |
CN114199124A (zh) * | 2021-11-09 | 2022-03-18 | 汕头大学 | 基于线性拟合的坐标标定方法、装置、***及介质 |
CN115364494A (zh) * | 2022-07-26 | 2022-11-22 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
CN115364494B (zh) * | 2022-07-26 | 2024-02-23 | 福州市鹭羽智能科技有限公司 | 一种基于图样的积木自动堆放装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223350A (zh) | 一种基于双目视觉的积木自动分拣方法及*** | |
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN104915957B (zh) | 一种提高工业机器人三维视觉识别精度的匹配矫正方法 | |
CN105528789B (zh) | 机器人视觉定位方法和装置、视觉标定方法和装置 | |
CN106651752A (zh) | 三维点云数据配准方法及拼接方法 | |
CN107392929B (zh) | 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN104680519A (zh) | 基于轮廓和颜色的七巧板识别方法 | |
CN104091324A (zh) | 一种基于连通域分割的棋盘格图像快速特征匹配算法 | |
CN105217324A (zh) | 一种新型的拆垛方法和*** | |
CN110245663A (zh) | 一种用于钢卷信息识别的方法 | |
CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
CN105865329A (zh) | 基于视觉的成捆圆钢端面中心坐标的获取***和方法 | |
CN106546263A (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
CN114241298A (zh) | 一种激光雷达和图像融合的塔吊环境目标检测方法及*** | |
CN106383121B (zh) | 一种可自适应多品牌的视觉检测方法及*** | |
CN113643280A (zh) | 一种基于计算机视觉的板材分拣***及方法 | |
CN107527368A (zh) | 基于二维码的三维空间姿态定位方法与装置 | |
CN107403435A (zh) | 一种基于rgb颜色空间的彩色图像边缘提取方法 | |
CN108480223A (zh) | 一种工件分拣***及其控制方法 | |
CN103914849A (zh) | 一种红枣图像的检测方法 | |
Xia et al. | Workpieces sorting system based on industrial robot of machine vision | |
CN113237889A (zh) | 一种多尺度的陶瓷检测方法及*** | |
CN111292376B (zh) | 一种仿生视网膜的视觉目标跟踪方法 | |
CN115619787A (zh) | 一种uv胶缺陷检测方法、***、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |
|
RJ01 | Rejection of invention patent application after publication |