基于几何矩不变量的机器人分拣方法的研究.pdfVIP

1 基于几何矩不变量的机器人分拣方法的研究 1,2 1 徐雨明 ，文双春 1 湖南大学计算机与通信学院，长沙（410082） 2 衡阳师范学院计算机科学系，湖南衡阳（421008） E-mail ：xxl1205@163.com 摘 要：在机器人分拣过程中，由于参考图像与实测图像不是同时获取的，因此摄像机与被 摄目标物体之间的位置难以保证完全相同。于是，所获取的参考图像与实测图像之间就可能 产生几何失真，从而对图像识别结果带来很大的影响。因此，需要寻找一种具有旋转和比例 不变性的图像识别方法，以满足实际应用的需要。针对上述问题，提出了一种基于几何矩不 变矢量的目标物体分拣方法。实验结果表明，所提出的分拣方法具有良好的分拣能力，并且 具有较低的计算复杂性。 关键词：图像识别，分拣，几何矩，矩不变量 1 引言 自动分拣是集光、机、电于一体，结合计算机科学的新型技术。我国的自动分拣技术起 步较晚，目前主要应用于邮电部门。近年来，烟草、图书、医药、零售等行业的物流配送的 急速发展，使适用于各行业小批量、多品种的各种高效分拣设备有了更为广阔的应用前景， 由此加快了分拣技术的发展和研究。 传统的自动分拣主要有压电式分拣器、红外分拣器、磁感应式分拣器及超声波分拣器， 易受其他外部不稳定因素的影响。视觉分拣器与其他类型的分拣器相比，具有安装简单、维 修方便、成本低以及信息量丰富等优点，但由于目标的多样性及复杂性，有效地、尽可能多 地从复杂多变的模式表现形式中提取出目标物体本原的重要特征，而且与目标物体的各种空 间变换(包括平移、尺度、旋转)和观察角度、位置等因素无关，又不受目标物体图像获取条 件和环境的影响，这将会使后期分拣工作变得比较容易。因此，寻找具有良好描述和分类性 能的图像特征，以及如何提取这些特征就成为视觉自动分拣问题的关键。 M K Hu [1]首先于 1962 年提出了连续函数矩的定义，同时推出了矩的一系列基本性质进 一步证明了有关矩的“平移不变性、旋转不变性和比例不变性”，并给出了 7 个不变量的表 达式，为图象识别建立了一种统计特征提取方法，得到了广泛应用。但 Hu 氏几何矩有一些 缺点，其中之一就是随着矩的阶数的升高计算量会迅猛增长，另一个缺点是这些矩的基函数 不是正交的，所以包含了很多信息冗余。本文在分析传统 Hu 氏几何矩不变量的基础上，提 出了几何矩不变矢量来进行目标物体分拣方法，降低了计算复杂性。 2 几何矩理论 2.1 几何矩定义 将一幅图像看成一个二维密度分布f (x , y ) ，这里，函数值f (x , y )表示点(x , y )处图像像素 的亮度值。图像f (x , y ) 的(p +q)阶几何矩的定义为: p q ( , ) , , 0,1,2 M pq ∫∫x y f x y dxdy p q (1) D 其中，D 是图像亮度函数定义的像素空间区域，xpy q 是变换核，Mpq 称为p +q 级几何矩。 1 本课题得到国家教育部新世纪优秀人才支持计划, 高等学校博士学科点专项科研基金（批准号： 20040532005 ）和湖南省教育厅青年科研项目（编号：07B009 ）的资助。 - 1 - 2.2 几何矩的物理意义 图像不同阶的几何矩表示了图像亮度分布的不同空间特征，因此一个几何矩集可以成为 一幅图像整体形状的描述子。 零阶几何矩 M00 代表一幅图像的总亮度。对于剪影图像，M00 是目标区域的几何面积