机器视觉和图像处理.pdf

机器视觉和图像处理

移动机器人使用双目视觉系统对物体进行

3D坐标检测

（Guo-ShingHuang,Ci-EnCheng）

摘要：这篇论文主要讨论了智能机器人双目视觉系统，它利用了图像

处理原理和边缘检测算法，这样可以

更加清晰的得到物体的边缘轮廓。利用随机测圆法和Hough变换的随

机线条可以找到指定的对象。我们探讨了图像识别应用技术。通过机器人

定位算法，在双目视觉坐标系下，可以快速而精确的定位目标。通过两个

网路摄像机的校订，我们可以得到内部和外部参数，目标物体固定位置的

3D空间坐标可以由双目视觉三角法精确计算得到。物体和机器人之间的

距离可以有坐标变换系统得到。经由三角几何理论检测，系统误差在允许

的范围内。同时可以得到期望的精度和可靠性。

一、引文

我们提出了机器人双目视觉系统应用坐标，对人眼进行仿真，做到智

能检测应用。因此，这样的系统可以在机械臂的作用下精确的捕捉目标的

位置，而不需要大数量的传感器。

双目视觉系统可以通过左右相机捕捉的图像找到共同的特征点。通过

形态学的处理，物体和相机之间的距离可以精确的计算到。物体的三维坐

标可以使用相机参数表示。因此，物体可以由机械臂抓取。

部分2详细的介绍了餐饮服务机器人的外观和双目视觉硬件结构。部

分3描述了寻找特征点的图像处理过程。

部分4讨论并图示了特征点转换为三维坐标的过程。部分5和6分别

给出了实验结果和结论。

二、双目视觉系统的结构

图1BVS硬件结构

双目视觉系统硬件结构包括2个相机，安装在机器人的头部。由计算

机组成的操作系统的结构如下。

图2BVS和机械臂系统结构

三、图像处理

选取现实中使用的目标物体，包括易拉罐，聚酯塑料瓶，杯子

图3目标物体检测

所选目标物体具有不同的颜色，形状，找到它们的中心点，左右两个

特征点，作为筛选目标物体的依据。A形态学

选取一个合适的阈值，便可以将目标物体从环境中分离出来。通过左

右相机所得到的相机图像利用二进制系统表示以及HSV颜色模块，可以得

到一个合适的阈值处理过程。

图4图像处理

图像经过腐蚀和膨胀可以消除图像噪声。

将RGB颜色模块转换到HSV颜色模块，转换方程如下：

B、物体识别

通过灰度等级的突变，如果在一阶导数形成的高峰超过阈值之后，将

会呈现测点形状。二阶微分是通过零交叉概念。对于函数f(某,y)沿着某

轴的微分为

对于某轴的微分进过平方和替换可以得到

同样的对于y轴的微分类似。便可以得到

通过Hough变换，我们可以将某-y的坐标转为r-θ空间的坐标，这

就是Sandy-Method空间角检测线方法。

图5某-y坐标空间与r-θ空间坐标的关系

可以得

中心圆方程包括两个变量和一个可变的半径，需要进行累计数组测量。

将每一个边缘点的位置坐标代入方程可以得到半径值。当所有的边缘点转

换完毕的时候，通过设定的阈值和累积数组变换，便可以知道是否得到一

个大致的图像。

图6三维累积数组

假设在图像中有K个侧点，为了得到对应于二维坐标的半径值r，将

侧点代入a某b大小的圆中。检测每一小的格子，当数据超过阈值的时候，

便可以得到下图

图7数字圆

C寻找特征点

寻找特征点，对数据进行成批处理，然后得到目标点。对数据进行成

批处理，是为了降低特征点的影响和复杂性，增加了特征点的精度。寻找

的特征点如图所示，特征点在图8(a),(b)

中以两个红色表示出来.图8(c)(d)表示使用Hough变换寻找图像中

椭圆的中心点，因此便可以得到中心点。同样的特征点以红色表示出来。

图8特征点

四、定位坐标

A相机坐标

图9是坐标系统的变换。左右图像的特征点是像素点，通过内部参数

矩阵，像素点可以转换为相机坐标。右相机是相机坐标的原点，对于理想

的针孔摄影，实像可以投影到像板上，这是远视投影。这就是三维空间坐

标转换为二维像素坐标的转换办法。

图9双目视觉几何