1.一种机器人视觉伺服抓取目标定位方法，其特征在于，该方法包括如下步骤：S1、使用机器人携带的视觉传感器采集数据集中的两幅图像作为待比较图像，其中一幅为标准图像，另一幅为场景图像；

S2、采用Shi‑Tomasi算法提取所述两幅待比较图像中的特征点；

S3、构造特征描述子；

S3.1、以特征点为中心截取子图像；

S3.2、利用二维高斯函数偏导数确定特征方向；

S3.3、根据特征方向对局部图像做方向标准化处理获取标准化局部图像；

S3.4、提取标准化局部图像的LBP特征作为特征描述子；

S4、通过计算两幅图像中各特征点描述子间的汉明距离判断相似度，实现特征匹配，根据匹配结果，估计单应性矩阵，定位目标在场景图像中的位置和方向。

2.根据权利要求1所述的一种机器人视觉伺服抓取目标定位方法，其特征在于，所述S2中，采用Shi‑Tomasi算法提取所述两幅待比较图像中的特征点的具体方法为：首先，以待检测点为中心加窗，获取窗内像素强度，然后，移动窗口，重新获取窗内像素强度，计算窗口移动前后的强度差，若沿任意方向移动窗口，强度差值大于预设值，则认为待检测点为特征点；

其中，强度差抽象为(1)式：

W(x,y)为采样窗口；u,v为以待测点为中心的偏移量；

2 2

由泰勒公式：I(x+u,y+v)＝I(x,y)+Ixu+Iyv+O(u ,v)，其中，Ix,Iy为偏导数，于是：则(1)式近似为：

令 求矩阵M的特征值λ1，λ2以确定特征点。

3.根据权利要求1所述的一种机器人视觉伺服抓取目标定位方法，其特征在于，所述S3具体是按照如下方法实现的：

①以特征点为中心截取局部图像I21×21；

取样窗口的窗口尺寸为21×21；

②获取7×7大尺度局部图像I7×7；

将I21×21划分为7×7个区域，区域尺寸为3×3，对每个区域像素值求和，作为大尺度图像的像素值，得到大尺度局部图像I7×7，③由大尺度局部图像I7×7，利用高斯函数两个偏导数(4.1)式和(4.1)式设计方向滤波器，确定特征点方向角θ；

取σ＝1，得到两个方向滤波器fx,fy如下：注意到方向滤波器fx,fy，边角位置取0，目的是确定方向时，削弱旋转造成的影响。将大尺度局部图像I7×7分别与fx,fy卷积(滤波)，得到Gx,Gy，则特征点方向角θ＝arctan(Gy/Gx)；

④由大尺度局部图像I7×7和方向角θ，获取5×5标准化局部图像I5×5；

将原坐标系xoy旋转θ角，构建新坐标系x'oy'，在x'oy'坐标系下取样5×5个整数位置点得到标准化局部图像I5×5，则各点(x',y')在xoy坐标系下位置(x,y)由(5)式确定：⑤提取标准化局部图像I5×5的LBP特征作为特征描述子；LBP特征在一个3×3的图像块中对区域进行描述，将中心像素的灰度作为阈值，与其8个邻域像素的灰度值对比并二值化，大于该阈值置1，否则置0，然后与加权矩阵对应的值相乘，得到8位二进制串作为LBP特征。

4.根据权利要求1所述的一种机器人视觉伺服抓取目标定位方法，其特征在于，所述S4中，特征匹配的具体步骤如下：

[m]

①选择标准图像中的任意描述子G ；

[n] [m] [n]

②在场景图描述子中寻找G' ，使得d(G ,G' )最小；

[m] [n]

③若d(G ,G' )<τ，则认为标准图像特征点m与场景图像特征点n匹配，其中τ为阈值。

5.根据权利要求1所述的一种机器人视觉伺服抓取目标定位方法，其特征在于，所述S4中，定位目标在场景图像中的位置和方向是按照如下方式实现的：①寻找两组匹配特征点间的变换关系，即估计归一化单应性矩阵(6)式，满足：

其中，t11,t12,t21,t22是缩放、旋转因子；t13,t23分别为水平、竖直方向的平移因子，t31,t32为仿射变换因子。(xi,yi)为标准图像中特征点坐标，(x′i,y′i)为场景图像中特征点坐标；

②根据标准图像四个顶点坐标，利用公式(6)，计算对应场景图像四个顶点坐标，从而定位目标。