基于單目視覺(jué)的物體位姿估計(jì)方法研究.pdf

1、隨著工業(yè)自動(dòng)化設(shè)備及機(jī)器視覺(jué)技術(shù)的發(fā)展，三維物體的識(shí)別及位姿估計(jì)變得尤為重要。尤其在工業(yè)自動(dòng)化裝備和分揀機(jī)器人應(yīng)用方面，如何確定物體的三維位姿成為研究的重點(diǎn)。在國(guó)內(nèi)的工業(yè)制造中，多數(shù)自動(dòng)化設(shè)備或機(jī)器人只能在固定深度情況下完成簡(jiǎn)單物體的定位識(shí)別，如圓、正方形等。在某些復(fù)雜物件的車(chē)間甚至還需要人工參與物體分揀，這是一個(gè)重復(fù)而又耗時(shí)的環(huán)節(jié)。隨著機(jī)器視覺(jué)技術(shù)的發(fā)展和工業(yè)生產(chǎn)需求的提高，人們對(duì)物體的三維位姿估計(jì)提出了更高的要求。
　　本文針

2、對(duì)物體識(shí)別及其位姿估計(jì)的問(wèn)題，提出了基于單目視覺(jué)的目標(biāo)物體識(shí)別和位姿估計(jì)方法，實(shí)現(xiàn)了僅輸入目標(biāo)物體的圖像和目標(biāo)物體幾何模型就能識(shí)別物體并確定其位姿，該方法有效的克服了深度問(wèn)題，使該方法能運(yùn)用于三維物體的識(shí)別和位姿估計(jì)。與傳統(tǒng)方法相比，本文從目標(biāo)物體建模和目標(biāo)物體識(shí)別兩個(gè)方面進(jìn)行改進(jìn)。對(duì)于目標(biāo)物體建模，本文提出了一種直接利用物體CAD模型特征訓(xùn)練生成目標(biāo)物體的3D模型的方法。該方法首先進(jìn)行相機(jī)標(biāo)定求取相機(jī)的內(nèi)參和畸變系數(shù)，結(jié)合剛體運(yùn)動(dòng)原理

3、獲取投影矩陣。將CAD模型的數(shù)據(jù)經(jīng)過(guò)虛擬相機(jī)進(jìn)行投影變換以及對(duì)物體不可見(jiàn)部分進(jìn)行消影后獲取消影投影后的二維特征，對(duì)二維的特征進(jìn)行訓(xùn)練并結(jié)合網(wǎng)格層次聚類以及圖像金字塔原理建立目標(biāo)物體的3D模型。對(duì)于目標(biāo)物體識(shí)別和位姿估計(jì)，本文將識(shí)別過(guò)程轉(zhuǎn)化為邊緣點(diǎn)在受力下產(chǎn)生的位移過(guò)程，對(duì)該過(guò)程建立目標(biāo)誤差函數(shù)，進(jìn)而將識(shí)別問(wèn)題轉(zhuǎn)化為求解目標(biāo)函數(shù)誤差最小的問(wèn)題。在二維圖像上，提取目標(biāo)物體的輪廓及梯度特征，并將其與3D模型進(jìn)行匹配，求解目標(biāo)物體的位姿。為加快

4、速度，本文提出了將圖像金字塔和網(wǎng)格層次聚類相結(jié)合的搜索匹配策略，匹配首先發(fā)生在金字塔和3D模型網(wǎng)格聚類的頂層，確定初始位姿后，依次向金字塔和網(wǎng)格下一層搜索，整個(gè)搜索過(guò)程是由粗搜索到精確搜索的過(guò)程，最終識(shí)別目標(biāo)物體及其位姿。
　　該方法在Windows平臺(tái)上利用Visual studio2013基于OpenCV、OpenGL進(jìn)行軟件實(shí)現(xiàn)。本文采用了多幅仿真圖像及部分測(cè)試圖像對(duì)本文的方法進(jìn)行驗(yàn)證，實(shí)驗(yàn)表明，本文的方法能正確的識(shí)別目標(biāo)物