针对卷积神经网络巨大的计算量和存储量导致其难以应用于嵌入式终端设备的难题,提出了一种基于灰色关联分析的模型裁剪方法。利用基于灰色关联分析的裁剪方法处理经过数据训练后的权重模型文件,获得每个卷积核重要性的量化表示;每次裁剪从模型中删除量化结果值最小的卷积核,从而减少计算量,加快推理速度;对于新产生的模型,通过迭代训练来弥补其性能上的损失。实验结果表明,相比APoZ法、L1法,所提方法在同一推理速度提升下精度提高了5.3%和10.4%,在VGG-16模型上取得了相对于初始模型2.7倍的加速效果,存储量压缩为原来的1/13.5。

针对双目视觉系统中单调法校正阴影区相位噪声时存在校正不足的问题,提出了一种改进型相位校正方法。利用四步相移与多频外差求解工件表面的绝对相位信息,通过单调不减性对相位噪声进行校正。分析多组实验对象校正不足时相位噪声特点,根据相位频率矩阵计算固定区间内非零相位出现的频率来校正离散相位噪声,利用相邻间断点实际相位与预测相位的差值对连续相位噪声进行校正。计算间断点间的斜率与两侧非零相位的拟合斜率并进行判断,利用线性法补齐因随机噪声而被置零的部分相位,保证了工件信息的完整性。实验结果表明:所提方法可以有效校正阴影区的相位噪声,可适用于不同的实验对象,圆柱体木质工件的平均测量误差为0.0859 mm,精度可满足目标抓取的位姿估计要求。

针对轴类工件表面毛刺、油污等附着物对视觉测量中角点检测的干扰问题,提出一种基于曲率与灰度复合的角点亚像素定位方法。该方法对图像感兴趣区域进行形态学和双边滤波预处理,消除毛刺和部分油污等附着物;根据曲率特性检测候选角点,利用角点处曲率角的多尺度不变性进行伪角点的预筛选,通过以角点为圆心的圆形窗口内灰度信息进一步排除伪角点,实现角点粗定位;根据粗定位角点和区域端点的连线,对原始图像的边缘点进行筛选,并对筛选后的边缘点进行最小二乘直线拟合,实现角点精准定位。实验表明,该方法有效克服了轴类工件表面附着物对角点检测的干扰问题,角点综合定位的重复性达到0.01 mm,角点定位算法精度达到0.004 mm,基于角点的综合测量精度为0.06 mm。

针对基于树结构的代价聚合方法中只利用颜色信息选择权值支持区域时,在图像边界区域易产生误匹配的问题,提出了一种基于水平树结构的可变权重代价聚合立体匹配算法。采用水平树代价聚合得到初始视差值,结合初始视差值与颜色信息重构水平树,在更新后的树结构上进行代价聚合,得到最终视差图。在视差后处理阶段,提出了一种改进的非局部视差后处理算法,将不满足左右一致性匹配的像素点引入匹配代价量构造中,提高了最终视差图的匹配精度。在Middlebury数据集的31对图像上进行测试,结果表明,未进行视差后处理时所提算法在未遮挡区域的平均误匹配率为6.96%,代价聚合平均耗时1.52 s。

根据传统ICP算法存在的缺点, 提出了一种遗传算法结合自适应阈值约束优化的ICP位姿估计方法。采用统计学滤波和区域增长分割算法对原始点云进行预处理, 去除离群点并得到各混乱工件的点云集; 针对ICP易陷于局部最优的问题, 利用遗传优化算法对点云进行粗匹配, 得到目标点集相对于参考点云的初始位姿; 针对迭代速度较慢的缺点, 提出了一种自适应阈值约束法, 利用点对距离约束和法向量夹角约束去除局部大变形点, 在保证实时性的同时提高了位姿估计的精度。实验表明, 该方法能够在84.5ms内定位一个工件, 位姿估计误差达0.39mm, 满足实时性和抓取精度要求, 能够为工业机器人随机箱体抓取提供理论依据与指导。

针对机器人随机箱体抓取过程中场景分割困难的问题, 提出一种基于改进欧氏聚类的散乱工件点云分割方法。采用直通滤波法和迭代半径滤波法进行预处理, 得到去除干扰点后的散乱工件点云; 通过基于法线夹角的边缘检测去除点云中的边缘点, 并使相互碰撞的工件在空间上产生分离; 采用改进的搜索半径自适应欧氏聚类进行点云分割, 得到多个工件点云子集, 基于距离约束将去除的边缘点补齐到点云子集之中, 从而完成点云分割。此外, 线下模板点云注册为分割参数的选取提供依据, 从而保证了分割结果的准确性, 提高了分割速度。结果表明：基于改进欧氏聚类的散乱工件点云分割方法能够准确地分割出感兴趣的工件, 分割时间约为696 ms, 满足了工业机器人抓取的实时性要求。

针对布匹瑕疵检测存在的有效性不高、实时性不强等问题, 提出一种视觉显著性分析和最优椭圆Gabor滤波相结合的瑕疵检测方法。离线阶段采用差分进化算法对无瑕疵样本图像进行椭圆Gabor滤波器的参数寻优, 得到最优EGF; 在线阶段采用软硬件协同设计技术进行软硬件划分, 基于Zynq SoC的PL端实现中值滤波、RGB到CIE LAB格式颜色空间转换、LAB三通道EGF处理, 通过AXI VDMA总线将图像数据传输到PS端, 并计算滤波前后图像特征向量, 提取瑕疵显著区域, 确定阈值分离瑕疵。实验表明, 该方法有效地抑制了背景凸显瑕疵区域, 且软硬件结合提速明显, 具有较高的有效性和实时性。

为了提高选择顺应性装配机器手臂(SCARA)机器人平面定位的精度, 采用网格模型结合最小距离误差逼近的方法, 首先构建SCARA机器人平面定位的简化模型, 概述网格模型构建原理, 然后通过视觉采集机器人末端第1次到达的实际点与期望点相对位置关系, 构建可变参量的起始网格模型, 再采用最小距离误差逼近, 求解下一步构建可变参量网格模型起始点, 最后由期望点在网格模型中位置分布情况决定模型粒度点的收敛更新方向。结果表明, 视觉引导的定位补偿策略弥补了因模型不精准而造成的平面定位精度不高的现象; 空间插值补偿法定位精度为1mm~3mm, 平面定位补偿精度较之有较大提高。该方法调节的参量单一、机器末端移动次数明确、工业应用性强。

针对二值条纹的边缘扩散问题，本文提出了一种改进型线移的结构光三维测量方法。该方法根据图像像素的邻域关系和逻辑关系，采用优化预处理方法得到了条纹图像的单像素边缘；根据边缘扩散对边缘定位的影响，采用一种二值图案对称线移的方法，线移条纹以Gray 码最后一幅图案的条纹中心为基准向两侧对称线移，线移条纹宽度与Gray 码最小周期宽度相等、方向与Gray 码条纹方向平行；采用正交投射实现了对测量视野的唯一性编码。实验结果表明，该方法对平面重构的相对误差为0.07%，耗时5.41 s，满足精度和实时性的要求。将该方法应用在混合物体的表面测量实验中，结果验证该方法对不同工件具有良好的适应性。

为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题, 提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略, 引入立体图像对质心的视差约束条件, 并利用形状上下文直方图分布信息进行初步筛选, 获取候选匹配点集, 减少后续匹配计算复杂度; 为增加匹配点与非匹配点的区分度, 对形状上下文相似性度量进行加权处理; 匹配时融合对应轮廓采样点3×3邻域的梯度方向直方图特征, 与形状上下文构成联合相似性度量; 最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析, 并应用于工件图像进行实验验证, 通过实验给出了相应的实验对比。结果表明, 改进的方法具有较高的匹配精度和更快的匹配速度, 鲁棒性高。