1.项目的主要模块：相机扫描模块-->图像识别模块-->机器人轨迹规划模块。中间还包括PLC通信模块和界面显示模块。 2.本人独自负责图像识别模块，主要包括对常见家具板件中含有的对象进行识别 ，将识别结果传给机器人用于轨迹规划。主要包括：板件平面识别、板件外边识别、板件内边识别、板件沟槽识别、板件侧边凹槽识别、板件平面线识别等。 3.项目开发过程中遇见的难点以及解决方案： 难点A：内外边识别出的线段不连续，导致机器人轨迹不平滑，喷涂效果差。 解决A：改进了内外边识别算法中的角点识别算法，使一条线段对应一条边，改善识别效果，使轨迹更加平滑。 难点B：侧边凹槽的喷涂需求是客户临时提出的，一共包括4种不同类型侧边凹槽的板件，开发需要及时有效。 解决B：在客户现场进行临时开发，用时两天时间完成对侧边凹槽的识别算法开发，并解决了识别不稳定等测试问题，最终 得到客户的认可，并在客户现场完成验证，验证通过。此次及时有效地满足了市场对侧边凹槽喷涂的需求，因此得到了整 个客户业务线对我们公司的重视。 难点C：平面线识别不稳定。 解决C：改进平面线识别算法中的图像细化算法，改善平面线的识别效果。

结合了深度图特征与RGB图像特征，首先进行深度估计，获取深度图特征，然后结合深度图和RGB图像特征，检测道路上的车辆和行人。在KITTI数据集，模型测试准确率达到98%。

该项目的目标是对飞机蒙皮喷漆表面的缺陷进行检测，缺陷类型主要有：气泡、颗粒、翻边、流淌和其他。采用传统图像处理算法和深度学习结合的方法。首先通过OpenCV对图像进行高斯滤波、直方图均衡化、Ostu自适应阈值分割和腐蚀等预处理，使用Blob块检测定位图像中缺陷的位置，然后采用信息熵函数对图像进行表面平滑度评估，最后设置阈值对图像就进行二分类。深度学习采用的是GoogLeNet网络，主要采用结合了ResNet的Inception-V4版本对缺陷类型进行多分类。