基于边缘检测算法的运动建模与目标点定位分析.pdfVIP

第41卷第3期齐齐哈尔大学学报（自然科学版）Vol.41,No.3

2025年5月JournalofQiqiharUniversity(NaturalScienceEdition)May,2025

基于边缘检测算法的运动建模与目标点定位分析

11111,2,3＊

刘晨明，杨旭东，魏宇豪，李金昌，吴志东

（1.齐齐哈尔大学机电工程学院，黑龙江齐齐哈尔161006；2.黑龙江省精密制造装备及工业感知工程技术研究中心，

黑龙江齐齐哈尔161006；3.黑龙江省智能制造装备产业化协同创新中心，黑龙江齐齐哈尔161006）

摘要：针对机械臂自动抓取过程中抓取点不确定问题，提出一种基于图像识别与物块面心坐标计算相结合的抓取

方法。利用边缘检测算法确定物块顶面中心所在区域，获取目标物块顶面中心的二维坐标。在OpenMV摄像机下

方放置红外测距传感器，测量OpenMV摄像机与目标物块顶面之间的距离，从而获得物块顶面面心的三维坐标。

实验结果表明，基于物块面心坐标准确抓取成功率比随机抓取成功率高20%，将计算得到的待抓取坐标与实际抓

取坐标进行对比，x轴方向平均相对误差为2.9%，z轴方向平均相对误差为3.1%。该方法可有效解决机械臂自动

抓取过程中抓取点不确定问题，确保抓取的精度和稳定性。

关键词：图像识别；机械臂抓取；面心坐标；边缘检测算法；逆运动学

中图分类号：TP241.3文献标识码：A文章编号：1007-984X(2025)03-0019-07

为提高机械臂自动抓取精度，将视觉识别与图像处理、深度学习、控制方法以及轨迹规划算法融合应

用，可有效避开静态障碍物，快速抓取目标[1]。采用视觉识别与图像处理相结合，可为机械臂自动抓取提

供目标定位数据[2]；边缘检测算法常用于视觉定位识别，设计降噪和增强对比度精度的边缘检测算法，可

[3][4-6]

以大幅度提高定位识别精度；采用增强图像区域卷积神经网络（R-CNN）算法，可提高检测效率。定

位识别数据传送给机械臂控制单元，从而控制机械臂自动抓取。将迭代控制与滑模控制相结合，可实现精

确轨迹跟踪和特定姿态过渡[7]；采用神经网络自适应终端滑模控制方法，加速误差跟踪收敛，有效解决滑

动模块奇点，提高控制精度及稳定性[8-9]。为优化机械臂自动抓取过程的运动路径，采用时间优化粒子群多

项式插值轨迹规划算法，可提高局部有哪些信誉好的足球投注网站能力、抓取效率和稳定性[10]。

[11]采用机器学习（ML）

目前，研究人员对机械臂自动抓取和图像识别进行深入研究。AmribinSuhaimi等

算法实现抓取姿势识别，融合多层感知器，基于GPU选取最佳架构，提高自动抓取精度。Alaaudeen等[12]

提出一种轻量级的单镜头检测网络，该网络在设定阈值评估物体抓取能力方面表现更为稳定。Mora等[13]采

用机器学习方法进行手势识别，在分类中可以准确预测水果位置，成功率超95%。Kumra等[14]提出一种用

于多通道图像生成和对未知物体执行抓取的双模块机器人系统，并在各种场景下验证该方法的准确性，确

保真实性。在图像识别领域，将深度学习模型和自动图像处理技术广泛应用于目标检测、跟踪、定位等领

域[15-17]。虽然机械臂自动抓取和图像识别方面已经取得了重大进展，但仍存在一定的局限性。现有研究仅

利用单幅图像的特征提取，而未使用复杂的模式识别和深度学习算法。本文提出一种将图像识别与面心坐

标计算相结合的抓取方法，有效解决抓取过程中抓取点不确定问题。