陈 梅， 朱凌寒， 曾梓浩， 赵坤鹏

(合肥工业大学 电气与自动化工程学院，安徽 合肥 230009)

0 引 言

机器人常用两种编程方式：示教编程、离线编程。前者易操作，但精度完全依靠示教者目测决定，对于复杂的路径示教难以取得令人满意的效果。后者降低了前者的不便，并同时进行轨迹仿真、路径优化，但对于简单轨迹，没有前者的效率高[1]。现有基于视觉的机器人图形化示教编程系统，结合两种方式优点，由双目相机记录手动示教过程，通过处理示教视频帧图像检测定位示教物体，获得目标空间轨迹，后期优化轨迹，并转换为机器人可执行代码。由于运动过程中，示教物体产生旋转姿态影响检测定位，系统选用球形物体，用霍夫变换以轮廓作为主要特征检测。但为了避免背景干扰检测，示教物体只能适当大面积占据图像画面，由此引起运动范围有限，示教复杂轨迹难度加大。前期获取有限轨迹点数目，导致后期轨迹优化处理时，容易丢失轨迹细节，如此难以提高系统控制精度。如何解决这个问题，实现空间目标检测追踪，增大可示教物体种类，扩大示教物体的示教空间，从而顺利示教复杂轨迹、提高系统控制精度成为主要解决的问题。

传统的帧差法、光流法和背景差分法结合高斯滤波、粒子群算法等目标检测算法及策略已难满足当前目标检测中数据处理的性能、智能化等多方面要求。近年来，在图像处理上，结合神经网络处理已经成为一种大的研究方向。……