基于PX-LBP和像素分类的装配体零件识别研究

• 作者: 李东年 田中可 赵正旭 陈成军
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 零件识别 装配监测 深度图像 像素局部二值模式 像素分类 随机森林分类器
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 机械、仪表技术
• 页码范围: 236-243
• 页数: 8页
• 分类号: TH161+.7|TP391.41
• 字数: 6240字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2019.03.002

摘要

针对机械产品装配维修诱导中零件和装配体的识别、监测问题,对装配体零件识别及装配监测进行了研究,对LBP算子进行了改进,提出了一种基于像素局部二值模式(PX-LBP)和像素分类的装配体零件识别及装配监测方法.首先将LBP算子与像素分类融合,提出了PX-LBP算子;然后对深度图像进行了PX-LBP特征提取,生成了训练集和测试集;最后训练随机森林分类器,并利用训练好的随机森林分类器实现了对测试集深度图像的像素分类,生成了像素预测图像,通过像素预测图像与标记图像对比实现了装配体零件的识别及装配过程的监测.研究结果表明:该方法对于模型深度图像的像素识别率可达到98.81％,对于真实装配体深度图像的像素识别率也可达到77.51％;该方法兼具了一定的实时性与鲁棒性,可用在装配维修诱导、装配监测和自动化装配邻域中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈成军	青岛理工大学机械与汽车工程学院	30	93	6.0	7.0
2	李东年	青岛理工大学机械与汽车工程学院	9	18	3.0	4.0
3	赵正旭	青岛理工大学机械与汽车工程学院	15	2	1.0	1.0
4	田中可	青岛理工大学机械与汽车工程学院	2	1	1.0	1.0