摘 要

面向机器人拆卸的废旧产品的零部件识别与定位在自动化拆卸中是一个非常基本关键的技术，零部件的不确定性是现阶段存在的主要问题。本文研究对某一拆卸对象中的连接部件进行识别和定位，主要采用一些经典的数字图像处理的方法，例如图像滤波、图像增强、形态学处理和霍夫圆检测。本研究致力于使图像识别算法效率高，运行速度快，准确性高。颜色分割后的图像，采用霍夫圆算法进行识别。用kinect相机作为硬件平台，采集实验图像，利用其可以同时展示某一场景的彩色图像和深度图像的特点进行定位算法研究。实验结果表明该算法能够识别和定位体积比较大的螺丝类型的连接部件，但是本次研究的算法对于环境的要求较高，此次算法对于机器人在拆卸领域发展视觉系统具有积极作用。

关键词：识别；定位；拆卸；数字图像处理

Abstract

The recognition and localisation of connecting parts of end- life products is one of the basic and key steps in robotic disassembly. Now, the uncertainty is the main difficulty. Some methods of digital image processing are used, such as image filtering, image enhancement, morphological processing and Hough circle detection. This research is aimed to make the image recognition algorithm more efficient, faster and more accurate. With the use of color image characteristics, the image segmentation is more convenient to use Hough circle algorithm for recognition. The kinect camera，as a hardware platform，is used to collect experimental images. The color image and depth image of a scene in Kinect camera are applied in the localization algorithm. The experimental results show that the algorithm can recognize and locate the connecting parts , such as large screws, but the algorithm has high requirements for the environment. In the last, the algorithm has positive effect on the development of visual systems in robotic disassembly.

Key Words: Recognition;Localisation;Disassembly;Digital image process

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景以及意义 1

1.2 国内外的研究现状 1

1.3 本文的研究内容及章节安排 2

第2章 系统的相关原理和框架 4

2.1相关硬件平台 4

2.1.1 Kinect的硬件结构和功能 4

2.1.2 Kinect for windows SDK技术架构 5

2.2 编译环境配置 5

2.2.1 opencv简介 5

2.2.2 配置opencv函数库 6

2.2.3 基于kinect的识别和定位流程 6

2.3本章小结 7

第3章 系统设计与实现 8

3.1获取目标图像 8

3.2预处理 8

3.2.1噪声滤波处理 9

3.2.2 RGB模型转换HSI模型 11

3.2.3图像增强 12

3.3彩色图像分割 13

3.4形态学处理 14

3.5识别 15

3.5.1检测拆卸底座 15

3.5.2检验零部件 15

3.6 本章小结 16

第4章 定位与系统测试 17

4.1图像校准 17

4.2定位 18

4.3界面设计 18

4.3.1系统测试和结果分析 19

4.3.2系统测试结果分析 20

4.4本章小结 20

第5章 总结与展望 21

5.1设计总结 21

5.2展望 21

参考文献 23

致 谢 24

第1章 绪论

1.1 研究背景以及意义

随着再制造业的兴起，大量的废旧产品得到回收再利用。再制造产业利用高科技研发智能机器人对有效组件进行回收再利用，从而减轻环境压力，增加经济效益。再制造产业的核心步骤是拆卸，由于人工拆卸劳动量大，过程复杂性高以及人力花费十分昂贵等诸多实际因素，拆卸将会影响工业的生产效率甚至产品质量。对于这种高负荷，高强度的拆卸工作，基于视觉的拆卸系统将会更快更好的完成这类工作。

对于未知事物来说，图像可以给人最直观的感受。虽然制造产业的自动化装配产业链发展成熟，但是，对于新兴的工业再制造产业来说，一些在装配过程中不存在的问题，例如废旧产品的未知缺陷，恶劣的工业环境等因素，是再制造行业前进道路上的阻碍。如何有效的解决这些不确定性问题是一个非常有价值的课题。

所谓的装配过程，在尺寸和规格提前知道的情况下，对具体产品设计合适的夹具和装置，在工作复杂度降低的情况下操作的准确性得到了增加。因此，研究学者提出，在组件的存在性，位置，环境和容差性得到保障的前提下，模仿装配过程的案例去构造拆卸过程将会是一个可行方案。视觉系统收集所需要组件的信息。基于视觉的拆卸系统赋予系统一双眼睛，系统通过“观察”去了解周围环境和拆卸产品，最终解决不确定性问题。系统将会建立一个精准的世界模型从而正确的回应周围的环境。现今阶段，计算机的计算能力已经今非昔比了，通过快速对获取的图像进行适当的处理和分析，进行一系列合适的硬件选择，以及视觉系统领域合适的补偿等方式，就可以很精确的对拆卸物体进行识别和定位，在此基础上，机器人对零部件进行拆卸操作。

面对多种多样的拆卸产品，基于视觉的拆卸系统可以灵活的去解决各类不确定性相关的问题。感知机器人在拆卸中的应用是机器人研究领域的重要一步，它为实现拆卸自动化行业铺垫了前进的道路，为了可持续发展的研究和自动化工业做出了非常的大的贡献，因此研究这个课题具有十分深远的意义。

1.2 国内外的研究现状

基于视觉的系统应用其实非常广泛。基于视觉的手势和识别技术的研究引发了电子游戏、手机、VR技术的热潮，基于视觉的定位与识别技术的研究为工业自动化时代奠定基石，视觉系统的一个重要的特征是对物理表面和产品数量的变化非常敏感。

Marr创建了双目视觉，他模仿人的眼睛，用两个摄像机得到图像的视差来建立拆卸目标的三维模型实现对物体进行识别和定位^[1]。德国的U.Buker等人制作出基于双目视觉的机器人自动化拆卸系统，完成任意车种的轮胎的自动化拧松螺钉的这一过程，这项研究为汽车行业的回收再利用提供了很大的前景^[2]。2010年，微软正式发布了Kinect，它内置彩色相机和深度相机，价格廉价，可以大量应用于工业视觉系统中，成为拆卸系统的“眼睛”。2016年，Vongbunyong^[3]等人利用Kinect相机详细地呈现拆卸自动化系统的各个层面，例如在医疗系统，视觉系统以及智能规划等方面上的实际应用。通过感应技术，视觉用来描述三维世界的场景。拆卸过程中的不确定性问题在视觉系统中得到解决，并且能不断更新关于拆卸产品的知识。