1、利用機(jī)器視覺(jué)完成圖像匹配、目標(biāo)識(shí)別以及位姿測(cè)量是裝配機(jī)器人智能化的關(guān)鍵技術(shù)。通過(guò)這些技術(shù)可以引導(dǎo)、控制機(jī)器人在復(fù)雜未知環(huán)境下自主完成各種裝配作業(yè)。軸、孔零件的裝配在機(jī)器人裝配任務(wù)中占很大比例，應(yīng)用機(jī)器視覺(jué)技術(shù)來(lái)獲取目標(biāo)裝配軸孔工件的精確位姿信息，進(jìn)而引導(dǎo)機(jī)器人快速裝配，正在成為自動(dòng)化、智能化裝配的重要研究領(lǐng)域。鑒于該領(lǐng)域的研究尚不夠成熟，本文基于 ETH(EYE-TO-HAND)雙目視覺(jué)系統(tǒng)與EIH(EYE-IN-HAND)手眼視覺(jué)系統(tǒng)

2、，圍繞提高視覺(jué)系統(tǒng)標(biāo)定精度、改善圖像匹配精度和改進(jìn)軸、孔位姿測(cè)量算法開(kāi)展研究，擬為后續(xù)六自由度裝配機(jī)器人完成軸孔自主裝配提供目標(biāo)位姿信息。具體研究工作及成果如下：
　　（1）提高視覺(jué)系統(tǒng)標(biāo)定精度。改進(jìn)亞像素角點(diǎn)提取算法，應(yīng)用于棋盤(pán)格標(biāo)定板角點(diǎn)檢測(cè)，并對(duì)多次提取結(jié)果進(jìn)行迭代優(yōu)化，角點(diǎn)坐標(biāo)均值誤差減小了64.94％；以實(shí)驗(yàn)方法揭示標(biāo)定誤差影響因素，利用重投影誤差為代價(jià)函數(shù)，定量分析標(biāo)定精度，為相機(jī)標(biāo)定過(guò)程中各環(huán)節(jié)參數(shù)的選擇提供理論支持

3、；運(yùn)用恒定旋轉(zhuǎn)矩陣，進(jìn)行EIH視覺(jué)系統(tǒng)標(biāo)定，最終檢測(cè)結(jié)果顯示：點(diǎn)距測(cè)量相對(duì)誤差為1.15%，夾角測(cè)量相對(duì)誤差為0.55%。
　?。?）改進(jìn)SIFT立體匹配算法。將小波多分辨率分析融入SIFT匹配算法，基于實(shí)驗(yàn)揭示小波域多分辨率分析與圖像匹配精度的相關(guān)性，遴選最佳小波，提取圖像低頻信息，提高算法抗噪性和匹配點(diǎn)召回率；提出“回”形窗口的有效鄰域劃分新方法，構(gòu)建低維度獨(dú)特特征點(diǎn)描述算子，提高匹配效率；運(yùn)用基于全局計(jì)算的積分圖像，改進(jìn)誤匹

4、配點(diǎn)剔除方法，消除局部特征算子帶來(lái)的匹配誤差，提高匹配精度；以統(tǒng)計(jì)理論為基礎(chǔ)，建立匹配結(jié)果評(píng)價(jià)指標(biāo)，通過(guò)實(shí)驗(yàn)驗(yàn)證改進(jìn)方法的合理性和實(shí)用性。
　?。?）提出軸、孔位姿測(cè)量新算法。提出雙閾值分割算法用于軸目標(biāo)的輪廓提取，分步提取強(qiáng)邊緣和弱邊緣，有效減少噪聲影響；基于“角平分面”及“面面相交得直線”的原理，提出軸的中軸線提取算法，建立中軸線投影模型，獲取目標(biāo)軸的三維空間位姿；首先運(yùn)用代數(shù)距離進(jìn)行橢圓的粗?jǐn)M合，再由橢圓定義約束和橢圓參數(shù)的