1、隨著現代科技的發(fā)展和自動化生產程度的提高，工業(yè)機器人在工程領域已獲得了廣泛的應用。在實際生產過程中，工業(yè)機器人所體現出來的高效性、高精度性和多功能性等特點是普通人力所不能比擬的。相信在不久的將來，工業(yè)機器人必將替代普通人力成為工業(yè)發(fā)展的主要生產力。目前，工業(yè)機器人的發(fā)展在自主學習和記憶以及柔性加工等方面依然存在一定的缺陷。針對這些缺陷，本文通過在傳統(tǒng)算法的頂層引入知識工程，實現先驗知識的共享、集成、推理和演繹，開發(fā)了機器人視覺知識系統(tǒng)（

2、子系統(tǒng)），以提高機器人的學習、思維記憶和環(huán)境感知功能:在此基礎上，進一步研發(fā)了一套基于知識引導的工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)），用于實現機器人對目標對象的自動識別和精準定位。本文主要以缸體鑄件為實驗對象，對兩套系統(tǒng)中涉及的相關理論和關鍵技術進行了深入研究，并對該視覺系統(tǒng)的可靠性和泛化性進行了驗證。具體研究內容和研究結論總結如下:
　　(1)基于人工神經網絡具有非線性學習功能的特性，提出了一種可對機器人視覺知識系統(tǒng)中標定知識自動

3、獲取的新標定方法。通過定義手眼標定模型中符號和邏輯表達（隱式知識）的表示方法，可以實現手眼標定模型中隱式知識向顯式知識的轉變。借助該標定方法的使用，機器人視覺知識系統(tǒng)（子系統(tǒng)）可通過學習機制獲取不同工作環(huán)境下的最佳標定模型，用于指導工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）的手眼標定過程，實現機器人對目標對象的精準定位。
　　(2)為了提高圖像分割算法在復雜工業(yè)圖像中分割的自適應性和穩(wěn)定性，提出了基于圖像高層信息的改進型變分水平集分割模型

4、和基于先驗知識的自適應閾值分割模型。本文采用無參考圖像質量評價分析方法，分析了不同工作環(huán)境下導致原始圖像質量不穩(wěn)定的原因和影響圖像分割算法穩(wěn)定性的主要干擾因素。在此基礎上，提出了由圖像信息能量項、懲罰項和高斯金字塔項共同組成的改進型變分水平集分割方法和基于峰值和灰度統(tǒng)計知識的自適應閾值分割算法。兩種分割方法均能快速準確地從復雜背景中分割出包含定位基準的感興趣區(qū)域，且當因環(huán)境光強改變造成工件成像質量發(fā)生變化時，該分割方法仍然能夠準確地分割

5、出感興趣區(qū)域，兩種方法的分割耗時分別約為1.3s和0.8s。上述分割方法的應用，可以進一步提高工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）的穩(wěn)定性和泛化性能。
　　(3)本文提出了一種基于形狀知識的圖像語義識別方法。首先，針對工件形狀特征，構建了具有平移、旋轉和縮放不變的內、外部形狀特征圖像描述子的形狀描述數據庫;其次，運用數據挖掘技術中的粗糙集算法對數據庫中的數據進行屬性約簡和識別規(guī)則提取，以實現識別知識的自動獲取，形成識別知識庫;最后，

6、將工件形狀的語義信息作為識別規(guī)則的前項，將對應的形狀描述子作為識別規(guī)則的結論，建立了工件形狀的語義信息和形狀特征圖像描述子之間的映射。通過使用該圖像語義識別方法，機器人視覺知識系統(tǒng)（子系統(tǒng)）可根據工件形狀的語義信息，從識別知識庫中自動獲取對應的圖像描述，從而指導工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）對目標對象的自動識別，運用上述方法可對已建模形狀進行識別，其識別率可達100％。
　　(4)基于Java SSH軟件開發(fā)平臺，通過將建立的

7、標定知識庫、事實庫和形狀識別知識庫集成于MySQL數據庫管理系統(tǒng)中，開發(fā)了基于Web的機器人視覺知識系統(tǒng)（子系統(tǒng)），以獲取不同工作環(huán)境下的最佳標定模型和不同工件形狀語義信息對應的識別知識信息，為工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）服務。
　　(5)設計了工業(yè)機器人泛化性視覺系統(tǒng)的總體框架結構和各功能模塊。基于VS2012+QT5.3軟件開發(fā)平臺，研發(fā)了一套基于知識引導的工業(yè)機器人泛化性視覺系統(tǒng)（主系統(tǒng)）。該主系統(tǒng)可以通過Socket

8、通信方式與子系統(tǒng)進行對接。當用戶在瀏覽器上通過子系統(tǒng)向服務器發(fā)送檢測請求時，主系統(tǒng)即可根據用戶權限獲取相關的標定知識和識別知識，從而引導機器人實現對目標對象的自動識別和精準定位。
　　本論文研究了基于知識引導的工業(yè)機器人泛化性視覺系統(tǒng)的關鍵技術，對基于人工神經網絡的機器學習標定方法、復雜環(huán)境下的圖像自動分割算法及基于形狀知識的圖像語義識別等方面進行了研究，實現了工業(yè)機器人對目標對象的自動識別和精準定位。該系統(tǒng)可有效提升工業(yè)生產線的