(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211086425.X (22)申请日 2022.09.07 (65)同一申请的已公布的文献号 申请公布号 CN 115170566 A (43)申请公布日 2022.10.11 (73)专利权人 湖南视比特机 器人有限公司 地址 410100 湖南省长 沙市高新 开发区岳 麓西大道58 8号芯城科技园2栋15 05室 (72)发明人 梁鸿　邓文平　陈万春　卿黎明　 (74)专利代理 机构 长沙湘之星知识产权代理事 务所(普通 合伙) 43271 专利代理师 徐仰贵　刘斌 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/20(2022.01)G06V 10/46(2022.01) G06V 10/75(2022.01) G06V 10/74(2022.01) G06T 1/00(2006.01) 审查员 王敏 (54)发明名称 一种工件的识别方法和识别装置 (57)摘要 本发明涉及一种工件的识别方法和识别装 置， 不仅提取模板图像和待识别图像的特征点， 计算二者的相似度， 还对模板图像的特征点做普 通特征点和加权特征点的划分， 使得更具代表性 的加权特征点能更显著的反映模板图像的微小 差异， 使得高相似度件的加权特征点能被显著区 分提炼出来， 由此计算的加权匹配度能更显著的 反映模板图像与待识别图像的细小区别。 因此， 根据该加权匹配度识别待匹配工件， 识别更高效 精准， 尤其是相似件的识别上， 其准确率高达 99%， 对于后续检测、 喷码、 抓取等步骤的识别定 位有显著成效。 权利要求书2页 说明书12页 附图4页 CN 115170566 B 2022.12.13 CN 115170566 B 1.一种工件的识别方法， 其特 征在于， 包括： S1： 构建包括待识别工件的模板图像集； S2： 提取模板图像集中每 个模板图像的特 征点； S3： 将每个模板图像的特 征点， 划分为普通特 征点和加权特征点； S4： 采集待识别工件的实时图像为待识别图像； S5： 提取待识别图像的特 征点； S6： 根据每个模板图像的普通特征点和加权特征点， 与待识别图像的特征点的相似度， 确定每个模板图像与待识别图像的加权匹配度； S7： 根据每 个模板图像与待识别图像的加权匹配度， 识别待匹配工件； 步骤S6中， 采用公式 （1） ‑（3） 计算每 个模板图像与待识别图像的加权匹配度为： （1） （2） （3） 其中， k表示模板图像集中模板图像的个数； 表示第k个模板图像与待识别图像的加 权匹配度； 表示第k个模板图像与待识别图像的基本匹配度； 表示第k个模板图像与 待识别图像的附加匹配度； 表示第k个模板图像的第i个特征点的权重系数， 其中加权特 征点的权重系数比普通特征点的权重系数大； 表示第k个模板图像的 第i个特征点与待识别图像的第 j个特征点的相似度； 表示第k个模板图像中普通特征点 的个数； 表示第k个模板图像中加权特 征点的个数； 步骤S6中， 采用公式 （4） 优化更新每 个模板图像与待识别图像的加权匹配度： （4） 其中， 表示第k个模板图像与待识别图像的优化加权匹配度； εk表示加权匹配系数。 2.根据权利要求1所述的识别方法， 其特征在于， 步骤S2中， 提取每个模板图像的特征 点的步骤， 包括： T1： 将每个模板图像划分为多个局部图像； T2： 计算每 个局部图像的像素点的特 征参数； T3： 根据每 个局部图像的像素点的特 征参数确定每 个局部图像的代 表点； T4： 统计每个模板图像的所有局部图像的代 表点， 为对应模板图像的特 征点。 3.根据权利要求2所述的识别方法， 其特征在于， 像素点的特征参数， 具体为梯度方向 和梯度幅值； 步骤T3， 具体为： 选定每个局部图像中梯度方向投票数最高且梯度幅值最大的权　利　要　求　书 1/2 页 2 CN 115170566 B 2像素点， 或选定梯度方向与局部图像中梯度方向均值差距最小且梯度幅值与局部图像中梯 度幅值均值差距最小的像素点， 为每 个局部图像的代 表点。 4.根据权利要求3所述的识别方法， 其特 征在于， 步骤S2， 还 包括： T5： 将步骤T4中确定的特征点， 设定为候选特征点； 根据候选特征点的特征参数， 筛 除 部分候选特 征点， 以确定待提取 特征图像的特 征点。 5.根据权利要求 4所述的识别方法， 其特 征在于， 步骤T5， 包括： T51： 根据候选 特征点的梯度幅值， 按降序为所有 候选特征点排序编号为Pq； q=1…p， p为 候选特征点的个数； T52： 令q=1； T53： 判断候选特 征点Pq+1与候选特 征点Pq的间距， 是否大于设定阈值； T54： 若否， 则筛除候选特征点Pq+1； 并令q=q+1； 判断q是否大于p， 若否则返回步骤T53， 若是则结束； T55： 若是， 则将保留候选特征点Pq+1； 并令q=q+1； 判断q是否大于p， 若否则返回步骤 T53， 若是则结束。 6.根据权利要求1所述的识别方法， 其特 征在于， 步骤S3， 包括： S31： 根据模板图像， 确定模板图像中表示轮廓的像素点 集； S32： 计算像素点 集中每个像素点的弯曲度； S33： 判断弯曲度是否大于设定阈值， 以弯 曲度大于设定阈值所对应的像素点为中心， 将弯曲度大于设定阈值所对应的像素点的周围划定为待加权区域； S34： 判断特征点是否在待加权区域， 若不在则设定为普通特征点； 若在则设定为加权 特征点。 7.根据权利 要求1‑6任意一项所述的识别方法， 其特征在于， 步骤S7， 具体为： 根据每个 模板图像与待识别图像的加权匹配度， 选择加权匹配度最高的模板图像， 识别待匹配工件。 8.一种工件的识别装置， 其特征在于， 用于执行权利要求1 ‑7任意一项所述的识别方 法， 包括： 获取模块， 用于构建包括待识别工件的模板图像集； 第一特征点提取模块， 用于提取模板图像集中每 个模板图像的特 征点； 特征点划分模块， 用于将每 个模板图像的特 征点， 划分为普通特 征点和加权特征点； 采集模块， 用于采集待识别工件的实时图像为待识别图像； 第二特征点提取模块， 用于提取待识别图像的特 征点； 计算模块， 用于根据每个模板 图像的普通特征点和加权特征点， 与待识别图像的特征 点的相似度， 确定每 个模板图像与待识别图像的加权匹配度； 识别模块， 根据每 个模板图像与待识别图像的加权匹配度， 识别待匹配工件。权　利　要　求　书 2/2 页 3 CN 115170566 B 3