鄢武 唐观荣 苏泽荣 蔡奕松 文享龙
【摘 要】针对堆叠物品的识别与定位，本文提出了一种自适应动态阈值分割与分层识别方法，实现了对随机、无纹理堆叠物品的识别。实验结果表明用该方法可以准确识别随机堆放工件中的目标，目标工件在 X，Y，Z 轴方向上的平均定位误差为1.01mm、0.99mm、1.91mm。
【关键词】三维视觉;随机工件;识别;姿态估计
中图分类号： TP391.41文献标识码： A文章编号： 2095-2457（2019）19-0066-001
DOI：10.19694/j.cnki.issn2095-2457.2019.19.030
0 引言
本文研究一种以CAD模型和三维视觉技术为基础，达到在随机摆放条件下快速、准确地识别工件的位置和姿态目的的一种方法。
1 系统结构及模块实现
本系统的整体流程如图1所示：主要包含离线和在线两部分。离线部分（虚线包围部分）主要包括利用三维CAD模型提取特征，提取之后可作为数据库中的一个模型。在线部分则是如图1中的下半部分，主要是利用深度相机对工件场景进行拍照，利用点云信息和数据库中的点云样本进行特征匹配，通过对特征点及其邻域的识别与匹配，针对匹配的区域信息，提取姿态，来达到针对随机摆放工件的识别、定位目的。
2 自适应动态阈值分割与分层识别算法
针对堆叠的情况，本文提出一种动态阈值分层识别的算法来解决这种问题，伪码描述为表1所示。因为通过深度信息知道相机与实际场景的距离，利用阈值分割可以去除前景和背景，减小场景规模，有利于加快提取特征和匹配的速度。事先已有工件的三维模型作为先验知识，针对堆叠的情况，物料箱的总高H及单个工件纵向的长度最大值L，层数n取H/L的最大整数，搜寻策略即随着n递减，在H-n*L的区域中（自顶向下）利用前文提到的匹配算法，来搜索目标。
结果如图2所示，在上图中，通过分层识别算法，识别成功为绿色。
3 实验与分析
实验中选用的目標工件为90°弯管接头，以标定板的中心建立世界坐标系，相机识别到的工件的位置和姿态都转移到此坐标系下，而物体的实际值可以直接测量它离标定板中心的距离。经实验计算，工件在X、Y、Z轴方向上最大定位误差为1.01mm、0.99mm、1.91mm。
4 小结
本文提出了一种基于点云的三维物体检测与定位方法。实验结果表明，针对随机摆放的情况，采用CAD三维模型进行物体检测与定位具有较高的实用性和可靠性。但该系统对不明显边缘或堆叠情况的误识别偶有发生，系统的鲁棒性还需进一步提高。
【参考文献】
[1]杨桥.基于VisionPro的发动机缸盖搬运机器人[J].智慧工厂，2015（12）：93-94.
[2]梁元月.基于双目立体视觉的工件识别定位方法研究[D].西安理工大学，2008.
