基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法

鲁晟燚; 梁冬泰; 梁丹; 吴晓成

doi:10.13873/J.1000-9787(2020)12-0123-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法

计算与测试 | 更新时间：2025-09-11

- 基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法
- Visual sorting method of mechanical parts based on Hu-SIFT feature matching and genetic algorithm
- 传感器与微系统 2020年第12期页码：123-126
- 作者机构：
  
  宁波大学机械工程与力学学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金青年科学基金资助项目(51805280);宁波市自然科学基金资助项目(2019A610158)
- DOI：10.13873/J.1000-9787(2020)12-0123-04
  中图分类号： TH161.1;TP391.41
- 纸质出版：2020
- 稿件说明：
移动端阅览
鲁晟燚, 梁冬泰, 梁丹, 等. 基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法[J]. 传感器与微系统, 2020,(12):123-126.

LU Shengyi, LIANG Dongtai, LIANG Dan, et al. Visual sorting method of mechanical parts based on Hu-SIFT feature matching and genetic algorithm[J]. 2020, (12): 123-126.
鲁晟燚, 梁冬泰, 梁丹, 等. 基于Hu-SIFT特征匹配与遗传算法的零件视觉分拣方法[J]. 传感器与微系统, 2020,(12):123-126. DOI： 10.13873/J.1000-9787(2020)12-0123-04.

LU Shengyi, LIANG Dongtai, LIANG Dan, et al. Visual sorting method of mechanical parts based on Hu-SIFT feature matching and genetic algorithm[J]. 2020, (12): 123-126. DOI： 10.13873/J.1000-9787(2020)12-0123-04.

摘要

针对机械零部件快速分拣需求

提出一种基于Hu-尺度不变特征变换(SIFT)特征匹配与遗传算法的零件视觉分拣方法。首先

通过形态学处理与滤波算法对零件图像进行预处理;然后

设计基于HuSIFT特征匹配的图像识别算法

融合Hu不变矩和SIFT特征进行全局和局部的特征匹配

以准确提取目标零件

并利用仿射变换进行目标零件定位;最后

针对传统遗传算法收敛速度慢的问题

提出一种基于极值优化的改进遗传算法

对机械手目标零件的最优分拣路径进行快速规划。实验表明:所提方法的平均查准率和查全率为86.06%和93.25%

最优路径规划的平均时间为3.03 s

可有效提高机械手的分拣效率。

Abstract

For the needs of rapid sorting of mechanical parts

a visual sorting method of mechanical parts based on Hu-scale invariant feature transform（ SIFT） feature matching and genetic algorithm is proposed. Firstly

the part image is pre-processed by morphological processing and filtering algorithm. Secondly

an image recognition algorithm based on Hu-SIFT feature matching is designed. Hu Invariant moment and SIFT are fused to match global and local features

to extract target parts accurately. And affine transformation is used to locate the target parts. Finally

focusing on the problem of slow convergence of traditional genetic algorithms

an improved genetic algorithm based on extremal optimization is proposed

planning the optimal sorting path of manipulator target parts.The experiment results show that the average precision and recall rates of this method are 86. 06 % and 93. 25 %.The average time of optimal path planning is 3. 03 s

which can effectively improve the sorting efficiency of the manipulator.

关键词

Keywords

references

浏览量

260

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

用于机器人路径规划的增强型白鹭群优化算法

基于改进鳑鲏鱼算法的导盲机器人路径规划

基于动态概率采样的改进RRT算法机械臂路径规划

基于粒子群优化的WSN多目标3D无人机运动规划