为解决传统SAD算法在基于半主动悬架的路面预瞄测距应用场景下匹配精度与测距精度较差的问题,首先对SAD视差窗口内中心像素周围像素点的权重重新分配,降低窗口边缘像素的影响;然后考虑到光照差异较大的场景引入Census变换,并采用子窗口灰度均值替代法增强其匹配鲁棒性,再将其与改进的SAD算法融合,最终形成融合CensusSAD算法。实验使用双目相机获取四种实际道路场景中的图像数据验证改进后的算法效果。实验表明融合CensusSAD算法的实时性有所下降但仍能满足要求,匹配精度比SAD算法高20%左右,在7m内融合Census-SAD算法测距精度比SAD算法精度要高3%左右。

针对机械手抓取物体大多以指定位置抓取特定物体的方式及柔性差的问题,提出利用基于深度学习方式的目标检测算法对物体进行识别。通过双目视觉算法检测物体所在的空间位置,利用D-H法进行机械手的坐标解算,从而实现物体的抓取。根据实际需求,采用实时性较好的YOLOv4目标检测算法与OpenCV中的立体匹配算法SGBM相结合的方式实现目标定位检测,并且通过租用云端服务器来训练神经网络和运行程序的方式降低本地硬件要求。实验结果表明:该机械手抓取物体的成功率达到了84%,验证了该方法具有较好的准确性,基本满足智能制造中的实际需求。