机器人抓取中的图像特征点提取算法及DSP实现.pdf

机器人抓取中的图像特征点提取算法及DSP实现.pdf

ID:52247998

大小:815.89 KB

页数:4页

时间:2020-03-25

机器人抓取中的图像特征点提取算法及DSP实现.pdf_第1页
机器人抓取中的图像特征点提取算法及DSP实现.pdf_第2页
机器人抓取中的图像特征点提取算法及DSP实现.pdf_第3页
机器人抓取中的图像特征点提取算法及DSP实现.pdf_第4页
资源描述:

《机器人抓取中的图像特征点提取算法及DSP实现.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、2015伍仪表技术与传感器2015第11期InstrumentTechniqueandSensorNo.11机器人抓取中的图像特征点提取算法及DSP实现胡攀,吴裕斌,曹丹华(华中科技大学光学与电子信息学院,湖北武汉430074)摘要:在视觉引导的机器人抓取技术中,需要快速提取不同视角图像的特征点集,实现基于特征的姿态估计。传统的特征点提取算法十分耗时,并难以在基于DSP的嵌入式图像处理平台上实现。针对工业应用场景,提出了一种基于简化SURF和不变矩的特征点提取算法,引入了一个4维的局部不变矩作为特征描述子。算法针对DSP平台进行了优化,测试达到了7帧/s的运行速度,并满足一定程度

2、的光照和仿射不变性。关键词:特征点提取;机器人抓取;嵌入式平台;局部不变矩;光照不变性;仿射不变性中图分类号:TP29文献标识码:A文章编号:1002-1841(2o15)11-0085-04InterestPointExtractionAlgorithmforRoboticGraspandImplementationonDSPHUPan。WUYu-bin。CAODan-hua(SchoolofOpticalandElectronicInformation,HuazhongUniversityofScienceandTechnology,Wuhan430074,China)Abs

3、tract:Quickextractionoftheimagefeaturepointsetindifferentperspectiveswasneededinrobustgrasptechnologytore—alizeposeestimationbasedoncharacteristics.Traditionalimageinterestpointextractionmethodsaretime—consuming,anditishardtoperforminreal—timeandduplicatetoimplementonDSPembeddedplatform.Aimin

4、gatindustrialapplications,anewinterestpointextractionmethodbasedonSURFandmomentinvariantswasproposed.Thelocalmomentinvariantswereintroducedtoresistilluminationchangeandaffinetransform,whichconstructsonlya4-dimensionaldescriptor.AndtheDSP·specifiedoptimizationwasconductedsystematically.Experim

5、entsshowthatthealgorithmcanprocessnearly7imagespersecondontheDSPplatform,withthestabilityunderchangingilluminationandaffinetransformation.Keywords:interestpointextraction;roboticgrasp;embeddedsystem;localmomentinvariants;photometricinvariance;affineinvari—an0引言模型和高斯权重来保证光照和仿射不变性,最终构建了一个仅视觉伺服系

6、统中,固定眼引导的机器人在抓取流水线上目有4维的描述子,极大地减少了运算量。最后,针对DSP平台标物体时,需要对不同视角多相机所拍摄物体图像的特征点集进行了软件编码、编译器、硬件等多个层次的优化。通过对不进行匹配。然而,视角的不同使得物体表面产生了光照变化和同视角的真实图像和模拟图像进行实验,验证了光照和仿射不仿射形变,提取满足一定光照和仿射不变性的特征点集,是后变性,并测得算法速度相比PC有1倍的提升,能够达到机器人续特征匹配和姿态估计成功的关键。抓取中的速度和精度要求。特征点提取算法包括特征点定位和特征点邻域描述两个1系统原理步骤。SIFT通过高斯金字塔实现了尺度不变的特征点

7、定位,固定眼机器人系统对目标物体采用会聚式拍摄。多目相并使用梯度直方图对每个特征点构建了一个128维的描述子。机中一个为主相机,其余为从相机。各个相机计算出自身拍摄SURF【2通过模板缩放取代图像缩放实现了快速金字塔构建,图像的特征点集,经过总线传输到主相机中进行特征匹配,结并采用Haar小波对每个特征点进行了64维的描述。还有合多相机标定所得的内外参数,获取物体深度信息后,便能实ASIFT【PCA-SIFT_4J,Harris-Afine等。这些算法都具备复现目标物的姿态估计(

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。