戴　立，管庶安，高　益

(武漢輕工大學 數(shù)學與計算機學院,湖北 武漢 430023)

?

基于機器視覺的塊狀工件方位快速識別

戴立，管庶安，高益

(武漢輕工大學 數(shù)學與計算機學院,湖北 武漢 430023)

摘要：為了實時準確識別加工生產(chǎn)線上工件的放置方位，提出了一種基于激光三維視覺檢測的塊狀工件方位快速識別方法。對采集的工件激光圖像，采用快速均值濾波算法進行預處理以抑制散斑噪聲，并給出了交叉激光跡線的分離和快速細化處理方法。為了提高圖像匹配的速度和精度，在模板和待測曲線配準上，定義了兩種距離測度作為配準的評價函數(shù)。試驗結(jié)果表明，該方法識別正確率高，速度快，對工件的角度偏移和平移不敏感；較好地滿足了生產(chǎn)線上的實時檢測要求。

關(guān)鍵詞：激光三維視覺檢測；曲線配準；誤差評價；距離測度；散斑噪聲

1引言

工件在加工生產(chǎn)線上傳送時，需要實時識別放置的方位，以便將其調(diào)整為一致的方位而進入下一道封裝或安裝工序。通常是采用基于灰度圖像的分析方法進行識別[1-2]，由于工件表面顏色一致，形狀變化平緩，通常很難完整地提取各觀察面內(nèi)的邊緣，因而誤識別率很高。

本文采用激光三維視覺檢測方法對工件的方位進行識別。一般地，塊狀工件在傳送帶上有8種擺放姿勢，單目視覺能同時觀測到各姿勢的3個觀察面，如圖1所示。本文假設(shè)由此3個觀察面即能區(qū)分工件對應地擺放方位。用兩個相互垂直的一字線激光垂直于3個觀察面照射，再用攝像機以合適的角度拍攝激光光跡圖像，所得圖像如圖2所示。按照激光測距的三角法[3]原理，可根據(jù)光跡曲線的形狀特征識別工件的放置方位。

A、B：一字激光線 C：黑色傳送帶 1、2、3：三個觀察面圖1　塊狀工件的灰度圖像

圖2　線性激光照射下的圖像

圖3為工件方位識別的過程框圖，在實時檢測前，需要采集8幅模板圖像，經(jīng)步驟①②③④處理后得到模板庫，實時檢測過程經(jīng)步驟①②③⑤⑥實現(xiàn)。

圖3　工件方位識別的過程框圖

2激光跡線分離與細化

在對激光跡線細化前，先要對圖像濾波，以抑制散斑噪聲干擾，保證細化后線的位置偏差不大，使之能滿足正確分類的精度要求。這里采用快速均值濾波[4]，其算法為：設(shè)S(x,y)為圖像(x,y)點的N×N鄰域中的所有像素點灰度之和，則其右相鄰點(x+1,y)的灰度之和S(x+1,y)=S(x,y)-Sleft+Sright。其中，Sleft是點(x,y)的N×N鄰域最左一列的像素點灰度之和，Sright為點(x+1,y)的N×N鄰域最右一列的像素點灰度之和。類似地，下相鄰點也可仿此計算。因此，只有圖像右上角處的鄰域灰度之和需要全部點參與累加。各點濾波后的值是S/N2。該算法能將時間復雜度降低一個數(shù)量級。

當工件放置有偏移時，兩條光跡線l1,l2的交點O(見圖2)將偏離各自的中點，因此點O不能作為識別光跡形狀的基準點。需要將兩線分離，分別進行細化、配準和分類。為此，過O作水平和垂直分割線，將l1和l2分為4個子線段l11,l12,l21,l22,來一一細化，如圖2中所示。再將屬于同一光跡線的兩子線段，在O點前后按直線插補所需的點予以接通。O點的搜索可采用投影法進行。設(shè)O點含于圖像中央的一個矩形區(qū)域M中，將M中的像素分別向水平和垂直方向投影，將兩投影曲線拋光后搜索各自的谷點，即可得到O點的水平和垂直坐標。

為加快處理速度，對激光跡線細化可在灰度圖像上進行，步驟為：對于某子線段lij(i=1,2;j=1,2) ，在其所在的子區(qū)域內(nèi)，先沿水平方向逐行搜索屋頂狀邊緣的頂點位置，獲得點系列Ex(y)；再沿垂直方向逐列搜索，獲得點系列Ey(x)。將Ex(y)和Ey(x)融合為一條光滑的曲線。l11和l12在O點附近被切斷，應按直線插補策略予以接通，同樣地，對l21和l22進行接通。于是獲得兩條互不牽連的細化跡線l1和l2，如圖4白色區(qū)域中的灰色細線所示。

按照以上方法，對8幅模板圖像逐一處理，每幅圖像獲得兩條細化的曲線。以點系列的格式將各條曲線存儲到模板庫中。

圖4　激光跡線的細化效果圖

3快速滑動配準

在對工件方位進行實時識別中，先經(jīng)過步驟①②③獲得該工件的兩條細化曲線l1和l2作為待識別曲線。

設(shè)點系列Ct(n),n∈[1,N]表示一待識別曲線，N為點數(shù)；點系列Cs(m),m∈[1,M]是模板庫中的某一曲線，M為點數(shù)。Ct和Cs屬同一激光源產(chǎn)生。要考察Ct和Cs的相似性，先要將兩曲線盡可能對齊，使兩線之間的距離最小，滑動對齊的過程稱為配準[5-6]。為此，定義兩種距離測度[7-8]。

定義1:Ct和Cs之間的點序距離Dorder為Ct和Cs中下標相同的點之間的距離的平均值：

其中h[···]表示兩點間的曼哈頓距離。

定義2：Ct和Cs之間的近鄰距離Dnear為Ct中的各點到達Cs最近點的距離的平均值：

由定義1可見，點序距離的計算量要遠小于近鄰距離的計算量。實際上，一般N≠M，導致點的序號相對錯位，這使得用Dorder作為配準測度時，Dorder達到最小只能獲得近似的對齊。由定義2可知，Dnear是一種精確的距離測度，可用于精確評價對齊程度，但計算量較大。由于配準時按點的順序?qū)R，故Dorder的值可以在很大范圍內(nèi)，并隨著Ct與Cs的接近而單調(diào)下降，特別適用最速下降法實現(xiàn)大范圍內(nèi)的配準。對于Dnear，不考慮各線的點的順序結(jié)構(gòu)，以點與點之間的距離最小為準則，故Dnear值只是在一個較小的區(qū)域內(nèi)，并隨著Ct與Cs的靠近而表現(xiàn)出單調(diào)降特性。

快速滑動配準的基本步驟為：(1)分別計算Ct和Cs的形心Ot和Os，將兩個形心重合，此為初始狀態(tài)；(2)用Dorder作距離測度，在較大的范圍內(nèi)滑動Cs，直到Dorder最小；(3)在(2)的基礎(chǔ)上改用Dnear作距離測度，在較小范圍內(nèi)滑動Cs，直到Dnear最小。為加快配準速度，可采用最速下降法。

表1為某瓷塊處于2號方位時，所得曲線與各模板的配準結(jié)果。由表1可知，當其與2號模板配準時，平均值Dnear最小且該Dnear值要遠小于與其他模板配準時的值。所以，本文將精確配準時的Dnear平均值作為工件方位分類的判據(jù)。

表1某瓷塊處于2號方位時與各模板的配準結(jié)果

模板序號滑動配準后的Dnear值左傾斜線右傾斜線平均值與各模板配準的時間/ms16.350.433.391.6820.000.030.021.3536.502.414.462.1744.283.583.931.8852.221.731.981.7264.185.004.591.9174.413.734.071.9683.785.134.451.79識別過程所需的總時間/ms14.46

4實驗結(jié)果

通過對瓷塊生產(chǎn)傳輸線上的1萬片瓷塊樣品進行試驗，來驗證本文方法的快速性和有效性，分別測試了瓷塊在不同擺放偏移角度下的識別率和識別耗時，如表2所示。采集的圖像尺寸為640×480像素，計算機主頻為2.6 GHz，內(nèi)存2 G，編程平臺為VC++6.0。

表21萬片瓷塊樣本在不同擺放偏移角度下的識別結(jié)果統(tǒng)計表

偏移角度正確分類的Dnear平均值識別率/%識別的平均時間/ms±5°0.30100.0014.43±15°0.3999.9614.44±20°0.7190.5014.47

由表2可知，當瓷塊偏移角度偏移在±15°之內(nèi)時，采用精確配準時的Dnear測度值作為分類判據(jù)，識別正確率達到99.98%，平均每片的識別時間約為14.5 ms。同時，通過大量實驗發(fā)現(xiàn)，能正確分類的Dnear值應滿足Dnear<2.5，即認為樣品與模板的平均距離要小于2.5個像素點的距離，否則認為識別失敗。以上實驗結(jié)果表明本文所提出方法的快速性和有效性。

5結(jié)束語

基于激光三維視覺檢測的工件方位識別方法，通過細化光跡曲線有效地提取了工件的三維形狀特征，避免了因成像時的曝光時間增益的改變，引起光跡寬度變化所導致的配準誤差；分離激光跡線，分別進行配準，避免了因工件擺放而出現(xiàn)的角度偏移和位置平移所導致的匹配誤差，從而獲得很高的識別率；采用兩級距離測度的誤差評價方法，分別快速地進行粗匹配和精確匹配操作，不僅加快了配準地速度，而且提高了識別準確率。實驗結(jié)果表明，本文提出的方法快速有效，不僅能滿足工業(yè)生產(chǎn)的實時檢測要求，而且具有一定可擴展性，能應用到不同類別的塊狀工件檢測當中去。同時必須指出的是，在模板庫的制作過程中，當模板之間相似時，可能會導致后續(xù)的樣品識別過程出現(xiàn)誤匹配的情況。這里可以引入視覺注意的思想，來考察模板間的相似性，在樣品配準過程中，重點關(guān)注模板間存在差異地部分，從而進一步提高識別的準確性。

參考文獻:

[1]Papari G, Petkov N. Edge and line oriented contour detection: State of the art[J]. Image & Vision Computing, 2011, 29:79-103.

[2]郝麟,馮少彤,聶守平. 利用深度和灰度圖像實現(xiàn)三維目標的識別與分類[J]. 光電子.激光,2010,21(2):312-317.

[3]周會成.線結(jié)構(gòu)激光三維視覺檢測系統(tǒng)及其關(guān)鍵技術(shù)研究[D].武漢：華中科技大學,2001.

[4]王科俊,熊新炎,任楨,等.高效均值濾波算法[J].計算機應用研究,2010,27(2):434-438.

[5]Men An,Zhiguo Jiang,Danpei Zhao.High speed robust image registration and localization using optimized algorithm and its performances evaluation[J]. Journal of Systems Engineering and Electronics,2010,21(3):520-526.

[6]Feng Jing,Ma Long,Bi Fukun,et al. A coarse-to-fine image registration method based on visual attention model[J]. Science China(Information Sciences),2014,12:122-131.

[7]李原,徐德,譚民,等.基于Hausdorff距離的工件焊縫接頭類型識別[J].高技術(shù)通訊,2006,16(11):1129-1133.

[8]蔡哲元,余建國,李先鵬,等. 基于核空間距離測度的特征選擇[J]. 模式識別與人工智能,2010,23(2):235-240.

Fast recognition of the blocky workpiece

position based on machine vision

DAILi,GUANShu-an,GAOYi

(School of Mathematics and Computer Science,Wuhan Polytechnic University, Wuhan 430023, China)

Abstract：In order to quickly and accurately identify the blocky workpiece position in the production line ,a method based on laser 3D visual inspection is proposed. For the captured images , a fast median filtering algorithm is used to suppress the speckle noise and then a fast separation and refinement algorithm of the crossover laser traces is presented. On the template matching process, two kinds of distance measure to improve the image registration rate are defined. The experimental resulsts show that the method is not only of higher recognition rate but also of faster speed, at the same time,which is not sensitive to the angular displacement and the translation , perfectly meeting the requirements of real-time detection of the production line.

Key words：laser 3D visual inspection; curve registration; error evaluation; distance measure; speckle noise

中圖分類號：TP 274.3

文獻標識碼：A