基于PXLBP和像素分类的装配体零件识别研究*

作者：田中可，陈成军，李东年，等 日期：2019-03-26/span> 浏览：2563 查看PDF文档

                                                               基于PXLBP和像素分类的装配体零件识别研究*
                                                                         田中可，陈成军*，李东年，赵正旭
                                                      (青岛理工大学 机械与汽车工程学院，山东 青岛 266033)

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。

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

中图分类号：TH161+.7；TP391.41                     文献标志码：A                      文章编号：1001-4551(2019)03-0236-08

本文引用格式：
田中可，陈成军，李东年,等.基于PX-LBP和像素分类的装配体零件识别研究［J］.机电工程，2019，36(3)：236-243.
TIAN Zhongke, CHEN Chengjun, LI Dongnian, et al. Recognition of assembly parts based on PXLBP and pixel classification［J］.Journal of Mechanical & Electrical Engineering, 2019,36(3):236-243.
《机电工程》杂志：http://www.meem.com.cn