基于網格運動統計的工件識別改進算法*

劉慧芳，甄國涌，儲成群

(中北大學儀器與電子學院，太原 030051)

0 引言

隨著我國工業自動化與信息化程度的提高，對工業生產中工件識別的準確性與實時性也提出了更高要求。傳統的工件識別方法多為模板匹配技術，其中基于特征點檢測與描述的圖像匹配[1-3]方法由于其良好的旋轉不變性、尺度不變性、抗噪不變性等特性成為了圖像識別與匹配領域研究的熱點。但是在工業零件分揀生產線上，工件圖像往往會因為受到旋轉、平移、噪聲、尺度以及亮度等變化及影響導致識別效率不高，識別精度極差。

近年來，許多學者對基于局部特征與描述的圖像識別與匹配算法做出了研究與改進。鐘鵬程等[4]結合快速特征點提取和描述(ORB)算法[5-6]與快速魯棒特征(SURF)算法[7]的優點，先利用ORB算法進行角點檢測，然后為角點添加SURF特征描述符，最后用快速近似最近鄰搜索算法進行特征點相似性度量完成工件圖像匹配，對發生尺度、旋轉變化的工作圖像識別準確性有一定程度提高，但是當圖像視角尺度發生極大變化時，匹配難度增長，誤匹配對增多，降低了匹配精度；席劍輝等[8]為提高工件識別效率，在用SURF算法完成特征點檢測與描述后，用歐氏距離進行了特征點匹配，并用隨機抽樣一致性(RANSAC)算法[9-10]找到滿足局部最優模型的“內點”，提高了匹配的精度，但是當樣本數據極多且外點比例所占過高時，會導致RANSAC算法計算局部最優模型時間呈指數增長，即使算法完成后可能還會有大量誤匹配點存在；……