1. 研究目的与意义（文献综述）

#8226; 1.1 国外研究现状

在20世纪50年代，统计识别催生了人们对于机器视觉的研究，对于二维图像的理解与分析识别上面被作为主要工作。而在60年代，美国学者l.r.罗伯兹提出来一项创新性概念：多面体组成的积木世界。这其中应用到的预处理、边缘检测等技术在机器视觉领域中仍然被广泛应用。而迅猛发展期出现在20世纪70年代，主动视觉理论框架、基于感知特征群岛物体识别理论框架等等全新的方法理论一涌而出，david marr提出的视觉计算机理论为其发展作出了贡献。。从80年代后，随着处理器、图像处理等技术迅猛发展，机器视觉的研究也进入研究人员的主流研究方向之一。机器视觉给社会发展所带来的收益，已经远超人们想象，其全面覆盖工农军医等行业，大力推动了整个社会的发展。

#8226; 1.2 国内研究现状
欧美以及日本等发达国家仍然掌握着最先进的机器视觉技术，并且相对应的根据工业应用而开发出相应的与机器视觉有关的产品。中国处于一个快速发展阶段，其特征为由劳动密集型走向技术密集型的转型期，而且急切需求降低人工成本、加速生产效率的机器视觉方案。珠三角以及长三角逐渐成为电子以及半导体技术的转移地以及机器视觉的聚集地。不仅如此，国内的机器视觉企业在激烈的竞争中不断的茁壮成长，同时国际先进水平的机器视觉技术也相应进入了中国，从而使得许多大学都努力于机器视觉的研究。根据前瞻产业研究院发布的《2017-2022年中国机器视觉产业发展情景与投资预测分析报告》数据显示，2016年中国机器视觉市场规模达到30.3亿元，全球占比9.6%，增速为26.8%，高于全球平均水平。
随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。前瞻产业研究院预测，在中国“十三五”规划强调制造业技术创新和中国制造2025战略的深入推进的工业4.0 时代，我国的机器视觉将迎来爆发增长。即便按照20%年均增长率计算，到2023年市场规模也将突破100亿元；如果发展形势大好，年均增长率则可达30%，市场规模至2023年可达到200亿元。
而工业机器人与机器视觉的联系密不可分。在生产线上，如果采取人力，由于现实因素，人类测量和判断会因为个人差异以及疲劳度等多维度因素产生误差甚至于错误，但是机器会大幅度减少误差，稳定的进行下去。一般来说，机器视觉系统包括了图像采集部分、图像处理部分和运动控制部分。事实上，在工业领域，机器视觉在质量检测、传送带跟踪抓取等已经比较成熟，虽然质量检测仍然还有很多需要解决的需求；3d视觉解决混杂的少数种类物体抓取正在迅速发展，但智能程度、速度、价格仍然有很大的改进空间；而针对海量sku甚至任意物体的视觉才刚刚开始。而机器视觉与工业机器人的结合，可以帮助工业机器人在包括喷涂、焊接、检测等在内的各种领域得到更好的应用。因此不少机器人本体企业也在不断探索机器视觉和工业机器人结合的方案。而从目前为止，工业机器人也在蓬勃发展当中，非常具有研究意义。

2. 研究的基本内容与方案

#8226; 2.1 研究的基本内容

图 1展示了需要研究的方向。我们可以从图发现，我们的七巧板识别与抓取系统由三个部分组成，分别为视觉识别系统、数据处理和机械手执行器。整个系统的运作流程设计如下：首先运作视觉系统，通过双目立体视觉手眼系统获取七巧板的景深信息，物体实际距离以及倾斜角度等等综合的视觉信息，经过滤波平滑处理后进行输出，最终视觉系统反馈输出则认为此部分任务完成。其次是对于数据的处理，程序的任务规划会划定需要的任务目标，例如希望机器手抓取哪一块七巧板，具体放置到哪个位置；定位程序收到执行命令后，便在各种七巧板样本信息中提取其重心、倾斜角、类型等等信息，最终输入到轨迹规划程序；轨迹规划程序根据其起始点与目标点位置，规划机器手的综合路径，生成一条路径函数；最终得到的路径函数采取闭环控制，输入到伺服控制器，进行机械手执行器的控制，包含各关节的旋转、速度等等方面。

之后的设计主要包含三部分的研究与学习：机器视觉标定研究、双目机器视觉算法研究以及机械臂运动学研究。在这三个部分里面，起到的作用对于整体系统来说缺一不可。机械臂运动研究，从而规划其运动路径，实现最短路径最优时间内根据其路径到达目标点，避免不可预料的事故；机器视觉算法研究为整个系统提供了唯一的信号输入，提供目标坐标点的位置，实现精确的探测，完成目标。而标定方法的重大意义在于，如果缺少了标定，机械臂的运动将失去其意义，因为它的末端位置以及运动方向均为未知。它将物件坐标系下的关系作为一个映射，从而到相机坐标系，甚至于到成像坐标系中。所以这几方面的研究具有重大的意义。

3. 研究计划与安排

第一至第二周：查阅设计题目的相关资料；
第三至第四周：撰写开题报告，翻译英文资料；
第五至第六周：深入学习双目摄像机的标定、图像预处理，初步完成图像部分
第七至第八周：深入学习机械手路径规划相关，并且驱动其按照规定路径运行
第九至第十周：使用双目摄像机获取景深信息，算出七巧板的立体位置
第十一至第十四周：撰写毕业论文
第十五周：毕业论文答辩

4. 参考文献（12篇以上）

1. (澳) Peter Corke著，刘荣等译. 机器人学、机器视觉与控制：MATLAB算法基础[M]. 电子工业出版社，2016
2. [美] 伯特霍尔德·霍恩 著；王亮，蒋欣兰 译，机器视觉[M]. 中国青年出版社,2014
3. 徐德，谭民，李原 著. 机器人视觉测量与控制（第3版）[M]. 国防工业出版社, 2016.
4. 贾丙西,刘山, 张凯祥, 陈剑. 机器人视觉伺服研究进展:视觉系统与控制策略[J]. 自动化学报, 2016.
5. 陶波,龚泽宇,丁汉. 机器人无标定视觉伺服控制研究进展陶国荣. 力学学报[J]. 2016.
6. S. M. Khansari-Zadeh and A. Billard. Imitation learning of globally stable non-linear point-to-point robot motions using nonlinear programming. 2010.
7.梁新武. 机械手无标定动态视觉伺服研究.[D]. 武汉:华中科技大学, 2011.
8.赵杰, 李牧, 李戈等. 一种无标定视觉伺服控制技术的研究[J]. 控制与决策,2006, 21(9): 1015- 1019
9.贾丙西,刘山, 张凯祥, 陈剑. 机器人视觉伺服研究进展:视觉系统与控制策略[J]. 自动化学报, 2016.
10.辛菁, 白蕾, 刘丁. 基于自适应 Kalman 滤波的机器人 6DOF 无标定视觉定位[J]. 系统仿真学报, 2014, 26(3): 586-591
11.李优新. 机器人无标定视觉伺服的多种智能控制方法研究[D]. 广州:华南理工大学, 2009.
12.陶波,龚泽宇,丁汉. 机器人无标定视觉伺服控制研究进展陶国荣. 力学学报[J]. 2016.
13. Chaumette F, Hutchinson S. Visual servo control I basic approaches. IEEE Robotics amp; Automation Magazine, 2006,13(4): 82-90
14. Chaumette F, Hutchinson S. Visual servo control II advanced approaches. IEEE Robotics amp; Automation Magazine, 2007, 14(1): 109-118
15. Iwatsuki M, Okiyama N. A new formulation of visual servoing based on cylindrical coordinate system. IEEE Transactions on Robotics, 2005, 21(2): 266-273