视觉点胶机的模板匹配图像定位算法

从概念上，视觉点胶机为了在图像中找到模板位置，必须计算模板的所有相关位姿与图像各个位置的相似度。如果相似度很高，就表示在该位置存在一个模板的实例。这里的相似度是广义的相似度，可以是模板与图像的灰度值或者其它特征的接近程度。

视觉点胶机的模板匹配主要分为两种：二维模板匹配和三维模板匹配。二维模板匹配是在二维图像里搜索二维物体，三维模板匹配是在二维图像里搜索三维物体。三维模板匹配主要应用于多个摄像机的立体重构应用中。点漆机的视觉定位系统采用二维模板匹配。二维模板匹配的思路主要有三种，—是基于灰度值，即根据模板与图像的灰度值的接近程度来进行匹配，因为图像的灰度值容易受到比如照明环境等因素的干扰，因此基于灰度值的模板匹配使用场合有限；二是基于图像轮廓，图像的轮廓（边缘）一般是图像中灰度值变化剧烈的部分，轮廓与灰度值的变化率有关，而与灰度值的绝对数值无关，因此轮廓对光照等环境因素的变化比较不敏感；三是基于特征点的模板匹配，基于特征点的模板匹配通过提取模板上的特征点来进行匹配，但是对一些尺寸较小的物体或者其它难以提取特征点的物体，基于特征点的模板匹配效果较差。点漆行业的产品多种多样，有些产品很难提取特征点，而且点胶机实际的生产环境复杂，因此点漆机的图像匹配方法采用基于边缘的模板匹配算法。

视觉点胶机基于边缘的模板匹配算法大体可以分为以下几类：

一、在匹配中直接釆用图像的边缘点，可以给边缘点赋予新的特性；

二、采用边缘分割算法将模板图像的边缘分割成几何图元的组合，使用这些几何图元在搜索图像中进行匹配。