论文部分内容阅读
机器视觉是机器人系统的重要组成部分之一,也是智能机器人研究的重要领域之一。机器人视觉系统使机器人具有自主的视觉感知功能,通过摄像头获取环境的二维图像,视觉处理器加以分析解释,机器人能够识别物体,确定其位置。本文在国家高技术研究发展计划(863计划)的支持下,对卫星装配机械臂的视觉识别系统进行研究,采用基于ASIFT的图像特征识别算法并加以改进和优化,使其能解决装配过程中存在的光照影响、局部遮挡及图像仿射变换等强非线性问题对目标物体识别造成的困难,能够更快速,更准确的识别出目标物体。主要的研究内容和创新成果如下:1.本文的研究内容主要是基于图像特征识别、特征匹配的相关技术,对ASIFT算法进行理论分析并与其它主流图像特征识别算法进行对比,证明其在同等条件下,对于目标识别具有仿射不变性和尺度不变性等突出优点,有较好的匹配效果。但由于该算法复杂度高,处理速度慢,实际应用时实时性较差。2.为解决ASIFT算法实际应用中存在的问题,运用PCA(主成分分析)理论,在ASIFT算法基础上加以改进,通过提取主成分将ASIFT核心——SIFT算子中128维图像特征描述子进行精简降维,并利用OpenMp多线程并行加速技术加速,极大地提高了该算法在实时系统中应用的可能。在剔除误匹配特征点对的过程中,运用OR SA算法对的RANSAC算法进行改进,使更多的正确匹配点对得以保留。3.在Visual Studio 2012与OpenCV 2.4.8相结合的实验平台下搭建系统,对改进的ASIFT算法进行实验分析,证明其改进后对比其它主流算法对目标物体具有更好的识别性能,对比原本ASIFT算法有很好的加速效果。建立目标变换模型估计目标变换参数并和实际参数进行比较,以均方根误差作为特征点匹配准确率的评价指标,验证了该算法的可行性和准确性。