小波邊緣檢測(cè)在視覺圖像分析中的應(yīng)用研究.pdf

1、智能機(jī)器人在工業(yè)生產(chǎn)中對(duì)提高生產(chǎn)效率起到了關(guān)鍵作用。將機(jī)器視覺技術(shù)引入智能機(jī)器人，會(huì)提高其操作的靈活性和動(dòng)作的復(fù)雜性。機(jī)器視覺圖像中包含了大量信息，而智能機(jī)器人所需要的往往只是圖像邊緣特征，因此，視覺圖像分析的核心是圖像邊緣提取，以及目標(biāo)的位姿識(shí)別。
　　本研究以機(jī)器人搬運(yùn)箱體為應(yīng)用背景，對(duì)常用的圖像邊緣檢測(cè)算法進(jìn)行比較，分析各自的優(yōu)缺點(diǎn)。在此基礎(chǔ)上提出小波邊緣檢測(cè)方法，選擇二次B樣條函數(shù)作為小波函數(shù)，對(duì)拍攝的包裝箱圖像進(jìn)行處理。

2、由于受實(shí)際工作環(huán)境的影響，機(jī)器視覺系統(tǒng)拍攝的圖像噪聲較大，小波變換濾除圖像噪聲效果最佳。其次，針對(duì)用小波來進(jìn)行圖像的邊緣檢測(cè)時(shí)，容易出現(xiàn)邊緣丟失以及弱邊緣的問題，改進(jìn)了基于小波變換的圖像邊緣檢測(cè)方法，提出了小波變換與數(shù)學(xué)形態(tài)學(xué)相融合的圖像邊緣檢測(cè)算法。在邊緣檢測(cè)的基礎(chǔ)上，研究了圖像識(shí)別以及箱體位姿信息提取方法，通過坐標(biāo)變換，計(jì)算出箱體在機(jī)器視覺系統(tǒng)中的空間位置及姿態(tài)，準(zhǔn)確提取出箱體位姿信息。最后，搭建了機(jī)器視覺檢測(cè)系統(tǒng)，對(duì)系統(tǒng)中使用到的