罗 辉，崔亚飞

(永州职业技术学院智能制造与建筑工程学院，湖南 永州 425100)

0 引言

随着《德国工业4.0》、《中国制造2025》[1-2]等战略的出台，传统制造业正逐步进入智能制造时代。机器人关节是机器人组成的关键部件，由于机器人种类较多，且需要小批量生产，故机器人关节组装生产需要大量的和种类繁多的工件。机器人关节组装过程中，需要大量的人工完成工件的识别和分拣工作，工种自动化程度较低，成为机器人关节生产的瓶颈所在[3]。在工件分拣的生产线上，大多数公司采用传统的手工分拣。然而，近年来我国劳动力成本急剧上升，人口老龄化严重，国内产业升级加速进行，机器视觉作为工业的眼睛，广泛应用于各个行业，如：路况监控、药品检测、车牌识别、人脸识别等各个行业，传统的手动分拣将没有任何优势[4]。因此，将机器视觉技术应用于工业分拣系统具有重要的意义，与传统的分拣的方法相比，它具有更高的质量、速度和智能[5]。与人类视觉原理相似，机器视觉主要由视觉传感器组成，首先，它获取图像是相机而不是人眼。然后，将图像传输到计算机。经过处理和分析，最终将有用的信息用于实际的检测、测量和控制[6-7]。

视觉分拣的前提是工件的识别与定位，工件识别定位技术在自动化生产中起着重要的作用，如机械加工、装配操作和自动分拣等。图像预处理、特征提取和识别算法等都应用于工件识别定位的实现。在特征提取方面，有矩不变量[8-9]、尺度不变特征变换(SIFT)[10]、加速鲁棒特征(SURF)[11]等方法，均具有平移、旋转、缩放不变性。……