CN108520533B - 一种面向工件定位的多维度特征配准方法 - Google Patents

一种面向工件定位的多维度特征配准方法 Download PDF

Info

Publication number
CN108520533B
CN108520533B CN201810267236.XA CN201810267236A CN108520533B CN 108520533 B CN108520533 B CN 108520533B CN 201810267236 A CN201810267236 A CN 201810267236A CN 108520533 B CN108520533 B CN 108520533B
Authority
CN
China
Prior art keywords
workpiece
matching
algorithm
picture
dimensional feature
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.)
Active
Application number
CN201810267236.XA
Other languages
English (en)
Other versions
CN108520533A (zh
Inventor
郑宏
郑朝晖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN201810267236.XA priority Critical patent/CN108520533B/zh
Publication of CN108520533A publication Critical patent/CN108520533A/zh
Application granted granted Critical
Publication of CN108520533B publication Critical patent/CN108520533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种面向工件定位的多维度特征配准方法，首先获取目标的模板工件图片和待定位工件图片，然后提取模板工件和待定位工件这二幅图像的ORB特征点，最后进行多维度特征配准，确定工件定位点。本发明提高了常规配准算法的精度，同时开发了一种基于k‑means聚类约束的目标多维度特征配准算法，可大大提高匹配算法的鲁棒性和定位精度。

Description

一种面向工件定位的多维度特征配准方法
技术领域
本发明属于工业自动化和智能制造技术领域，涉及一种面向工件定位的多维度特征配准方法，特别设计一种能实现准确并快速工件定位的有效匹配方法。
背景技术
工件定位是制造业中一项基本的、具有普遍性的需求。加工前确定工件在机床或夹具中的正确位置称为工件定位。实际生产中，工件的定位通常都有一个实在的装置来限定它的位置，如将工件直接装在固定的工作台上，它的上下位置就由工作台限定，工作台就是一个实在的装置，在该情况下，每种工件就必须有一套相应的固定装置或模具，使得工件定位的成本上升，且安装过程繁琐。因此，采用基于机器视觉的图像匹配进行工件自动定位已成为目前制造业中工件加工的一个发展趋势。
图像匹配的核心内容是特征点对的提取，它易受图像特征信息的丰富程度、特征算法的选取等多种因素影响，特征点的数量和质量不稳定，往往导致图像匹配效果的不稳定。同时工件的复杂特性也会导致大量的误匹配，对非刚性工件尤为突出。因此，设计具有强鲁棒性的图像匹配方法很有必要。
发明内容
本发明的目的在于提供一种能够有效提升图像匹配的准确性，使得在任何刚性变换情况下都能基于特征配准获得高精度的目标定位的多维度特征配准方法。
本发明所采用的技术方案是：一种面向工件定位的多维度特征配准方法，其特征在于，包括以下步骤：
步骤1：获取目标的模板工件图片和待定位工件图片；
步骤2：提取模板工件和待定位工件这二幅图像的ORB特征点；
步骤3：多维度特征配准，确定工件定位点。
本发明利用图像局部特征匹配算法和误匹配筛选算法进行多维度特征配准，得到透视变换矩阵；在目标配准的步骤中，一旦特征点匹配有少量的误差，将会对最终定位精度造成影响，从而导致定位的位置超过误差范围。为了提升常规配准算法的精度，本发明联合采用ORB特征，角度特征和距离特征来获取图像的像素和对应角之间的关系，并利用基于K-means聚类约束进行目标多维度特征配准，从而实现精准的目标定位。
与现有技术相比较，本发明的有益效果在于：提高了常规配准算法的精度，同时开发了一种基于k-means聚类约束的目标多维度特征配准算法，可大大提高匹配算法的鲁棒性和定位精度。
附图说明
图1:本发明实施例的流程图；
图2:本发明实施例的距离特征和角度特征示意图；
图3:本发明实施例的匹配效果图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
请见图1，本发明提供的一种面向工件定位的多维度特征配准方法，包括以下步骤：
步骤1：通过单目CCD相机采集目标的模板工件图片和待定位工件图片；
步骤2：提取模板工件和待定位工件这二幅图像的ORB特征点；
步骤3：多维度特征配准，确定工件定位点；具体实现包括以下子步骤：
步骤3.1：利用快速近似最近邻搜索算法(Flann算法)进行特征粗匹配，获取初始匹配特征点对；
Flann算法模型的特征空间是n维实数向量空间Rn，核心在于使用欧式距离找到实例点的邻居。特征点p和q的特征分向量可记为Dp和Dq，则d(p,q)的欧氏距离可以表示为：
Figure GDA0002907886290000021
通过Flann算法找到图像I1的特征点m1在图像I2中具有最小距离D的初始匹配点对(m1i,m2i)，然后根据所有匹配点对的距离计算出最小距离minD，设置阈值T＝u×minD。如果该匹配点对的最小距离D＜T，则将m2作为m1的候选匹配点；否则，进行图像I1的下一个特征点的匹配，并剔除点m1i，最后得到图I1到图I2的Flann匹配点对。对于I2图像中的特征点作同样处理，得到图I2到图I1的Flann匹配点对。对这两个Flann匹配点对进行判断，删除不对称匹配点对，从而得到一个初始匹配集。
步骤3.2：提取像素角度特征和距离特征；
步骤3.3：利用PROSAC和K-MEAN算法剔除错误匹配特征点对，获得精准匹配特征点对；
误匹配筛选算法实质上是利用PROSAC算法和K-means算法进行多维度验证匹配，从而剔除误匹配点对。经过PROSAC算法筛选后，最靠前的匹配点对(m11,m21)具有最大可信度，因此选取此匹配点对作为基准点。
参见图2和图3，求取所有匹配点集H的距离差特征向量D和角度差特征向量θ，距离差特征向量D：D＝{d1k-d2k}，角度差特征向量θ：θ＝{θ1k-θ2k}。用K-means聚类算法对距离差特征向量D和角度差特征向量θ进行聚类。通过K-means聚类后的匹配点对，误匹配率可以降到1％以下，大大提升目标定位精度。
步骤3.4：计算转换矩阵确定工件定位点。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (2)

1.一种面向工件定位的多维度特征配准方法，其特征在于，包括以下步骤：
步骤1：获取目标的模板工件图片和待定位工件图片；
步骤2：提取模板工件和待定位工件这二幅图像的ORB特征点；
步骤3：多维度特征配准，确定工件定位点；
具体实现包括以下子步骤：
步骤3.1：利用快速近似最近邻搜索算法进行特征粗匹配，获取初始匹配特征点对；
步骤3.2：提取像素角度特征和距离特征；
求取所有匹配点集H的距离差特征向量D和角度差特征向量θ，距离差特征向量D：D＝{d1k-d2k}，角度差特征向量θ：θ＝{θ1k-θ2k}；
步骤3.3：利用PROSAC和KMEAN算法剔除错误匹配特征点对，获得精准匹配特征点对；
步骤3.4：计算转换矩阵确定工件定位点。
2.根据权利要求1所述的面向工件定位的多维度特征配准方法，其特征在于：步骤1中，通过单目CCD相机采集目标的模板工件图片和待定位工件图片。
CN201810267236.XA 2018-03-28 2018-03-28 一种面向工件定位的多维度特征配准方法 Active CN108520533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810267236.XA CN108520533B (zh) 2018-03-28 2018-03-28 一种面向工件定位的多维度特征配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810267236.XA CN108520533B (zh) 2018-03-28 2018-03-28 一种面向工件定位的多维度特征配准方法

Publications (2)

Publication Number Publication Date
CN108520533A CN108520533A (zh) 2018-09-11
CN108520533B true CN108520533B (zh) 2021-08-03

Family

ID=63430742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810267236.XA Active CN108520533B (zh) 2018-03-28 2018-03-28 一种面向工件定位的多维度特征配准方法

Country Status (1)

Country Link
CN (1) CN108520533B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334762B (zh) * 2019-07-04 2020-04-03 华南师范大学 一种基于四叉树结合orb和sift的特征匹配方法
CN113821432B (zh) * 2021-07-27 2024-07-26 浙江大学 一种用于app无障碍智能检测的功能图标智能导航方法
CN113724306B (zh) * 2021-08-04 2023-06-13 卡本(深圳)医疗器械有限公司 一种术前ctmr扫描图像与术中病人坐标的配准算法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508917A (zh) * 2011-11-21 2012-06-20 洪涛 部分特征图像的多维度目标快速鲁棒检索定位方法
CN103700069A (zh) * 2013-12-11 2014-04-02 武汉工程大学 一种基于orb算子的无参考视频平滑度的评价方法
KR101409340B1 (ko) * 2013-03-13 2014-06-20 숭실대학교산학협력단 교통 표지 인식 방법 및 그 시스템
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统
CN104751465A (zh) * 2015-03-31 2015-07-01 中国科学技术大学 一种基于lk光流约束的orb图像特征配准方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102508917A (zh) * 2011-11-21 2012-06-20 洪涛 部分特征图像的多维度目标快速鲁棒检索定位方法
KR101409340B1 (ko) * 2013-03-13 2014-06-20 숭실대학교산학협력단 교통 표지 인식 방법 및 그 시스템
CN103700069A (zh) * 2013-12-11 2014-04-02 武汉工程大学 一种基于orb算子的无参考视频平滑度的评价方法
CN104463178A (zh) * 2014-12-29 2015-03-25 广州视源电子科技股份有限公司 电子元件识别方法和系统
CN104751465A (zh) * 2015-03-31 2015-07-01 中国科学技术大学 一种基于lk光流约束的orb图像特征配准方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于改进ORB特征的多姿态人脸识别;周凯汀等;《计算机辅助设计与图形学学报》;20150228;第27卷(第2期);第3节 *

Also Published As

Publication number Publication date
CN108520533A (zh) 2018-09-11

Similar Documents

Publication Publication Date Title
CN105957082A (zh) 一种基于面阵相机的印刷质量在线监测方法
CN108520533B (zh) 一种面向工件定位的多维度特征配准方法
CN108597009B (zh) 一种基于方向角信息进行三维目标检测的方法
CN110490913B (zh) 基于角点与单线段编组的特征描述算子进行影像匹配方法
CN106203342A (zh) 基于多角度局部特征匹配的目标识别方法
CN111062940B (zh) 一种基于机器视觉的螺钉定位与识别方法
CN114743259A (zh) 位姿估计方法、位姿估计系统、终端、存储介质及应用
CN111191546A (zh) 基于机器视觉识别的产品智能装配方法
CN113160285B (zh) 一种基于局部深度图像关键性的点云匹配方法
CN107862319B (zh) 一种基于邻域投票的异源高分光学影像匹配误差剔除方法
CN113313701B (zh) 基于形状先验的电动汽车充电口两阶段视觉检测定位方法
CN105551022A (zh) 一种基于形状交互矩阵的图像错误匹配检验方法
CN118015004B (zh) 一种激光切割扫描系统及方法
CN111340134B (zh) 一种基于局部动态规整的快速模板匹配方法
CN116188544A (zh) 一种结合边缘特征的点云配准方法
CN115055964A (zh) 一种基于喷油泵的智能装配方法及系统
CN115641367A (zh) 一种基于多级特征匹配的红外和可见光图像配准方法
CN107369179B (zh) 一种高精度图像定位方法
CN110245674A (zh) 模板匹配方法、装置、设备及计算机存储介质
CN111553410A (zh) 基于关键点局部曲面特征直方图和空间关系的点云识别方法
CN112720449A (zh) 一种机器人定位装置及其控制系统
CN111415384A (zh) 一种基于深度学习的工业图像组件精准定位系统
CN107122783B (zh) 一种基于角点检测的装配连接件快速识别方法
CN112562008B (zh) 一种局部双目视觉测量中的靶标点匹配方法
CN113920049A (zh) 一种基于少量正样本融合的模板匹配方法

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
GR01 Patent grant
GR01 Patent grant