1.1 研究目的及意义

目前废旧机械中的大部分零部件作为废旧机械产品的组成部分，随着机械产品的整体报废也随之报废，然而其中的部分零部件依然具有较高的使用价值，同时再制造技术使得数量庞大的零部件能够被循环利用。研究如何高效、自动的对废旧机械产品的部分零部件进行识别，是再制造系统的一个重要组成部分。

Kinect是由微软开发，应用于Xbox 360 主机的周边设备。Kinect有三个镜头，中间的镜头是 RGB 彩色摄影机，用来采集彩色图像。左右两边镜头则分别为红外线发射器和红外线CMOS 摄影机所构成的3D结构光深度感应器，用来采集深度数据（场景中物体到摄像头的距离）。彩色摄像头最大支持1280*960分辨率成像，红外摄像头最大支持640*480成像。Kinect还搭配了追焦技术，底座马达会随着对焦物体移动跟着转动。Kinect也内建阵列式麦克风，由四个麦克风同时收音，比对后消除杂音，并通过其采集声音进行语音识别和声源定位。

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

为了解决现有零部件识别中多采用图像识别的方法进行识别,很难直接确定零部件所在的空间位置的问题,本论文提供了一种基于Kinect的典型零部件识别与定位方法,使用Kinect 设备来提供目标的深度图像和彩色图像,在对零部件识别的过程中确定零部件所在的空间位置。

1.2 国内外研究现状

拆卸是提高废旧机械价值并减少对于环境影响的关键步骤，但由于返回的废旧机械的质量和数量的不确定性，仍然大部分的废旧机械的零部件仍然需要手动进行识别拆卸。废旧机械的零部件识别和定位的初期主要是采用人工识别的方法，但是随着工业化的不断发展，人工检测识别已经不能满足要求。因此国内外学者对此进行了大量研究，其中利用机器视觉对废旧机械零部件的识别与定位从而完成拆卸是其中十分重要的一个环节。

近年来,机器视觉以其非接触式、较宽的光谱响应范围、定位、测量和缺陷检测的优势,在军事、农作物质量检测、人脸识别、指纹识别、发票号码识别、医学图像检测得到了广泛的应用。在自动化拆卸中,机器视觉是自动获取零部件的特征信息和特征参数的一种较为可行的技术方法。对一些高要求、高负荷的重复性和智能性的工作,比如细微缺陷检测、零部件测量，人眼很难持续、稳定的完成,机器视觉可以高效、高质量的完成检测任务。机器视觉是近些年来随着传感器技术，计算机技术和人工智能的发展而兴起的一个研究领域，在军事和民用方面都有着广阔的应用前景。机器视觉在工业领域主要用于零部件识别，零部件方向和位置的检测等工作。根据所获取的视觉信息正确的识别出零部件类型并判断出零部件所处的位置是机器视觉应用于零部件拆卸的关键。

在自动化拆卸中，机器视觉是自动获取零部件的特征信息和特征参数的一种较为可行的技术方法。对一些高要求、高负荷的重复性和智能性的工作,比如细微缺陷检测、零部件测量,人眼很难持续、稳定的完成,机器视觉可以高效、高质量的完成检测任务。