ａｌｇｏｒｉｔｈｍ ｉｎｔｏ ｒｏｂｏｔ ｃｏｏｒｄｉｎａｔｅｓ．Ｔｈｅｎ，ｔｈｅ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｓｅｖｅｒａｌ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ
ｐｒｉｎｃｉｐｌｅｓ，
ｃｏｎｃｅｎｔｒａｔｅｓ ｏｎ ａｎｄ ｉｍｐｌｅｍｅｎｔｓ ｔｈｅ ｔａｒｇｅｔ ｄｅｔｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｂａｃｋｇｒｏｕｎｄ ｓｕｂｔｒａｃｔｉｏｎ ａｎｄ ｇｒａｙ
和渌加矿占月啪 学位论文作者（本人签名）：
学位论文版权使用授权书
本学位论文作者完全了解南京林业大学有关保留、．使用学位论文的规定，同 意学校保留并向国家有关部门或机构送交论文的复印件和电子版（中国科学技术 信息研究所；国家图书馆等），允许论文被查阅和借阅。本人授权南京林业大学 可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以汇编和综合 为学校的科技成果，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论 文全部或部分内容．
保密口，在——＿年解密后适用本授权书。本学位论文属于不保密影
（请在以上方框内打“￣／” ）
学位论文作者（本人签名 指导教师（本人签名
致谢
三年的时光匆匆而过，我的硕十研究生阶段的学习和生活即将结束了。在即将离开母 校之际，首先衷心感谢导师焦恩璋儿年来在学习、工作上给予的指导和关怀，从课题的确 定到研究方法的选择都给了我极大的帮助。他对科研工作认真严肃、精益求精的态度以及 踏实勤恳的工作精神都给我留下了深刻的印象，这些无疑将成为我受益终生的宝贵财富。 在此衷心祝愿焦恩璋老师工作顺利、合家欢乐！
经过多次实验和调试，作者完成了一个初级的工业机器人分拣系统的研究和构建。联 机实验证明了本文的研究成果，该系统作为工业自动化的一个环节，在应用上有着较好的 实用意义，在理论上也有一定的参考价值。
关键词：工业机器人；传送带；分拣：目标识别；机器人视觉
Ａｂｓｔｒａｃｔ
Ｔｈｉｓ ｐａｐｅｒ ｂａｓｅｄ ｏｎ Ｍｏｔｏｍａｎ ｕｐ６ ｒｏｂｏｔ ｒｅｓｅａｒｃｈｅｓ ａｎｄ ｓｔｒｕｃｔｕｒｅｓ ａ ｃｌａｓｓｉｆｉｃａｔｉｏｎ－·ａｎｄ－·ｇｒａｂ ｓｙｓｔｅｍ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ．Ｔｈｅ ｓｙｓｔｅｍ ｉｓ ｍａｄｅ ｕｐ ｏｆ ｃａｍｅｒａ，ｉｍａｇｅ ａｃｑｕｉｓｉｔｉｏｎ ｃａｒｄ，ｃｏｍｐｕｔｅｒ，ｒｏｂｏｔ ａｎｄ ｓｏｆｔｗａｒｅ．Ｔｈｅ ｓｙｓｔｅｍ ｃｏｎｔｒｏｌｓ ｔｈｅ ｒｏｂｏｔ ｔｏ ａｃｈｉｅｖｅ ｐｉｃｋｉｎｇ ａｎｄ ｃｈｏｏｓｉｎｇ ｉｎ ｔｈｅ ｗａｙ ｔｈａｔ ｔｈｅ ｒｏｂｏｔ ｇｅｔｔｉｎｇ ｉｍａｇｅ ｏｆ ｔｈｅ ｏｂｊｅｃｔ ｂｙ ｔｈｅ ｃａｍｅｍ，ａｎａｌｙｚｉｎｇ ｔｈｅ ｉｍａｇｅ ｗｉｔｈ ｓｏｆｔｗａｒｅ，ｇｅｔｔｉｎｇ ｔｈｅ ｃｏｏｒｄｉｎａｔｅ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｄａｔａ ｏｆ ｔｈｅ ｏｂｊｅｃｔ，ｔｈｅｎ ｔｒａｃｋ ｔｈｅ
本文研究并实现了一个摹于机器视觉的ｊＴ：业机器人分拣系统，如图１．１所示。该系统 在实验室拥有的ＵＰ６机器人的基础上，添加扶取图像的ＣＣＤ相机，并用Ｐｃ机对扶取的图 像进行分析，完成对传送带上运动着的目标的识别、跟踪、定位与搬运。使得机器人能很 好地适应环境和胜任更多的工作，特别是在对．Ｈ生水甲要求较高的食品或制药行业、需要 自动检测零件尺寸的机械行业、以及需在恶劣危险环境下作业的行业。
ｂｅｅｎ ｆｏｕｎｄ，ａｎｄ ｔｈｅ ｓｏｌｕｔｉｏｎ ｉｓ ｐｒｏｐｏｓｅｄ ａｌｓｏ．
Ｔｈｒｏｕｇｈ ｓｅｖｅｒａｌ ｅｘｐｅｒｉｍｅｎｔｓ ａｎｄ ｔｅｓｔｓ，ｔｈｅ ａｕｔｈｏｒ ａｃｃｏｍｐｌｉｓｈｅｓ ｔｈｅ ｒｅｓｅａｒｃｈ ａｎｄ ｓｔｒｕｃｔｕｒｅ
ｏｆ ａ ｐｒｉｍａｒｙ ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ—ａｎｄ—ｇｒａｂ ｓｙｓｔｅｍ．Ｏｎ－ｌｉｎｅ ｅｘｐｅｒｉｍｅｎｔｓ ｐｒｏｖｅ ｔｈｅ
Ｋｅｙ Ｗｏｒｄｓ：ｉｎｄｕｓｔｒｉａｌ ｒｏｂｏｔ；ｃｏｎｖｅｙｏｒ；ｃｌａｓｓｉｆｉｃａｔｉｏｎ－ａｎｄ—ｇｒａｂ；ｔａｒｇｅｔ ｒｅｃｏｇｎｉｔｉｏｎ；ｒｏｂｏｔ ｖｉｓｉｏｎ
学位论文原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作 所取得的成果。尽我所知，除文中已经特别注明引用的内容和致谢的地方外，本 论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做 出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意 识到本声明的法律结果由本人承担。
ｍｓｅａｒｃｈ ｒｅｓｕｌｔｓ ｏｆ ｔｈｉｓ ｐａｐｅｒ ｔｈａｔ ｉｓ ｔｈｉｓ ｓｙｓｔｅｍ ａｓ ａ ｌｉｎｋ ｏｆ ｉｎｄｕｓｔｒｉａｌ ａｕｔｏｍａｔｉｏｎ ｈａｓ ｐｒａｃｔｉｃａｌ
ｓｉｇｎｉｆｉｃａｎｃｅ ｉｎ ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ ｒｅｆｅｒｅｎｃｅ ｖａｌｕｅ ｉｎ ｔｈｅｏｒｙ．
在学习和一ｌ：作上各位同学、师弟的默契配合和大力支持，协助我顺利完成了硕十学位 论文。特别要感谢师弟李强与师妹陈美宏在整个科研和论文写作阶段给予的帮助。
衷心感谢所有曾关心我、帮助我的师长、朋友和同学们，你们使我在南京林业大学求 学经历更加美好，终生难忘。
我还要深深感谢我的父母，感谢他们多年来所给予我的无私关爱和支持。 最后，向百忙之中抽出时间审阅本论文的教授、专家和学者表示衷心的感谢！
ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ·－ａｎｄ－－ｇｒａｂ ｐｒｏｇｒａｍｍｅ Ｃａｎ ｃｏｎｔｒｏｌ ｒｏｂｏｔｓ ｇｒａｂ ｔｈｅ ｗｏｒｋｐｉｅｃｅ ｏｎ ｃｏｎｔｉｇｕｏｕｓ
ｍｏｖｉｎｇ ｃｏｎｖｅｙｏｒ ｉｎ ｒｅａｌ ｔｉｍｅ．Ｉｎ ｔｈｅ ｐｒｏｃｅｓｓ ｏｆ ｒｅｓｅａｒｃｈ，ｓｏｍｅ ｌｉｍｉｔａｔｉｏｎ ｏｆ Ｍｏｔｏｃｏｍ３２ ｈａｓ
南京林业大学 硕士学位论文 基于机器视觉的工业机器人分拣系统的研究 姓名：杜荣 申请学位级别：硕士 专业：机械设计及理论 指导教师：焦恩璋
20090601
摘要
本文以Ｍｏｔｏｍａｎ ｕｐ６机器人为基础，研究并构建了一个基于机器视觉的工业机器人分 拣系统。该系统由相机、图像采集卡、计算机、机器人以及软件组成。该系统通过相机 获取作ｊＩｋ对象图像，然后南软件对采集到的图像进行分析，得出目标的坐标与分类信息 并维护甘标的运动踪迹，最终控制机器人实现分拣 人类能够完成一些复杂任务的原因之一是人类具有强大的视觉系统。科学家一直努力
ｌ
为机器人增加视觉能力，于是形成了机器人视觉（Ｒｏｂｏｔ Ｖｉｓｉｏｎ）这＋‘研究领域。机器人 视觉系统的任务是通过视觉传感器抓取图像，然后将图像传送至处理单元，通过数字化处 理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别，进Ｉ酊根据判 别结果来控制机器人的动作【ｌ】。机器人视觉极大的提高了机器人的智能化水甲，可广泛应 用于电子、汽车、机械等．Ｊ：业部门和医学、军事领域。
ｔａｒｇｅｔｓ．
Ａｔ ｆｉｒｓｔ，ｔｈｅ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｔｈｅ ｃａｍｅｒａ ｃａｌｉｂｒａｔｉｏｎ，ｔｈｅｎ ｉｍｐｌｅｍｅｎｔｓ ｔｈｅ Ｄｉｒｅｃｔ Ｌｉｎｅａｒ
Ｔｒａｎｓｆｏｒｍ ａｌｇｏｒｉｔｈｍ ｏｎ Ｍａｔｌａｂ，ａｎｄ ｐｒｏｖｉｄｅｓ ａｎ ｅａｓｙ ｓｏｌｕｔｉｏｎ ｔｏ ｔｒａｎｓｆｏｒｍ ｗｏｒｄ ｃｏｏｒｄｉｎａｔｅｓ
本文首先研究了相机标定技术，在Ｍａｔｌａｂ上实现了直接线性算法，并提出了一个将 世界坐标系转换到机器人坐标系的简易方法，。然后，研究了多种目标检测算法原理，着 重研究并实现了基于背景减法的目标检测以及基十灰度图二值化的目标检测。在目标识别 方面，本文根据作业对象的面积、周长等特征，采用线性判别函数法设计并训练分类器。 在视觉跟踪方面，研究了令局最近邻法与多假设跟踪法，通过编程实现了ＧＮＮ算法与卡尔 曼滤波，实现了传送带上的目标跟踪。最后，本文在Ｍｏｔｏｃｏｍ３２的基础上研究了基于Ｐｃ 机的Ｍｏｔｏｍａｎ机器人运动控制，使得分拣程序可以控制机器人在传送带连续运动时实时抓 取带上的工件。在该研究过程中还发现了Ｍｏｔｏｃｏｍ３２的一些不足，并提出了解决方法。
１．２相关研究状况介绍
分拣系统主要涉及到的研究内容有目标识别、视觉跟踪。本文分别介绍这两部分内容 的研究状况。
当ｌｊ｛『，目标识别技术主要有五种方法：经典的统计模式方法，基于知识的自动方法， 基于模犁的自动方法，基于多传感器信息融合的方法和基于人工神经网络的方法。经典的 统计模式识别方法主要是利用目标特性的统计分布，依靠目标识别系统的大量训练和基于 模式空间距离度景的特征匹配分类技术；基于知识的自动目标识别方法在一定程度上克服 了经典统计模式识别法的局限性和缺陷，但存在的主要问题是可供利用的知识源的辩识和 知识的验证很困难，同时难以在适应新场景中有效地组织知识；基于模型的自动目标识别 方法（Ｍｏｄｅｌ Ｂａｓｅｄ，ＭＢ）首先是将复杂的目标识别的样本空间模型化，这些模犁提供了 一种描述样本空间各种重要变化特性的简便途径，典型的ＭＢ系统抽取一定的目标特性， 并利用这些特性和一些辅助知识来标记日标的模型参数，从而选择一些初始假设，实现目 标特征的预测，一个ＭＢ系统的最终目标是匹配实际的特性和预测后面的特性，若标记准 确，匹配过程则会成功和有效，但ＭＢ方法目前尚处于实验室研究阶段；基于多传感器信 息融合的自动目标识别方法克服了单一传感器的导引头在有光、电干扰的复杂环境中目标 搜索和知识识别的能力、抗干扰能力及其工作可靠性会降低的缺陷，每个传感器先分别进 行目标检测、判别，然后将这些信息送入数据融合单元，最后得到一个综合的判别结果； 基于人工神经网络的自动目标识别方法是模拟人类思维的人工智能方法，它能解决许多传 统的识别方法所不能克服的困难，但该方法实现工程应用的瓶颈是实时性欠佳。在实际工 程中，运用最广泛的还是经典的统计模式方法，凶为它不像其他几种方法一样需要很多统 计分析和模型建立ｌｚ－。
ａｌｇｏｒｉｔｈｍ ｐｅｒｉｍｅｔｅｒ．Ａｔ ｔｈｅ ａｓｐｅｃｔ ｏｆ ｖｉｓｉｏｎ ｔｒａｃｋ，ｔｈｉｓ ｐａｐｅｒ ｓｔｕｄｉｅｓ ｇｌｏｂａｌ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ