潘宇+林筠爍

摘 要：以識別汽車座椅蛇簧掛鉤的四種典型放置狀態(tài)為背景，提出一種基于二值圖像求解對象區(qū)域頂點坐標(biāo)與中值線來識別放置狀態(tài)的一種算法。

關(guān)鍵詞：蛇簧掛鉤;識別放置狀態(tài);頂點坐標(biāo);中值線

一、引言

汽車座椅框架焊接的生產(chǎn)現(xiàn)場是以人工遞送蛇簧掛鉤放到座椅框架的固定位置上，電阻焊到一起，這種生產(chǎn)有安全風(fēng)險，放置位置不準(zhǔn)確，工作效率低下等問題。若采用工業(yè)攝像頭抓取蛇簧掛鉤圖像識別其放置狀態(tài)，以便機械手抓取進(jìn)給遞送，作業(yè)快速準(zhǔn)確安全。本文基于MATLAB平臺，設(shè)計了一種識別蛇簧掛鉤四種典型放置狀態(tài)的處理算法，以實現(xiàn)汽車座椅框架的焊接流水線作業(yè)的自動化生產(chǎn)。

二、蛇簧掛鉤四種典型放置狀態(tài)識別的總體方案

如圖1所示，蛇簧掛鉤的四種典型放置狀態(tài)有【鉤口向下且在左】、【鉤口向下且在右】、【鉤口向上且在左】和【鉤口向上且在右】四種。經(jīng)觀察，這四種放置狀態(tài)相同的是圖像都具有頂點，不同的是頂點在對象區(qū)域的位置不同;若在對象區(qū)域中部畫一條豎線，則該豎線的長度也不同。因此，將利用這四種放置狀態(tài)的頂點P（Xfeature，Ymin）與x坐標(biāo)中值Xmed，研究識別這四種放置狀態(tài)的一種算法。

三、蛇簧掛鉤四種典型放置狀態(tài)的圖像識別前期處理

采集20組（共80幅圖像）四種典型放置狀態(tài)的圖像樣本，把RGB圖像進(jìn)行灰度化處理，采用中值濾波去燥，利用最大類間方差法分割圖像，選最佳閾值h-0.025，將圖像轉(zhuǎn)化為二值圖，如圖2。最后，采用區(qū)域填充的圖像分割形態(tài)學(xué)處理，以利于圖像的識別。

四、蛇簧掛鉤四種典型放置狀態(tài)的識別

（一）find函數(shù)介紹

find函數(shù)是用于二值圖中查詢滿足要求的特征點（像素值不為0）在圖像中位置的函數(shù)。其調(diào)用格式為：[m，n]=find（BW==1）， m，n需說明：圖像處理中通常以矩陣表示圖像的數(shù)據(jù)結(jié)構(gòu)，而矩陣中元素的坐標(biāo)一般是按照（row， col）（即縱坐標(biāo)，橫坐標(biāo)）表示。這與笛卡爾坐標(biāo)系相左。

（二）蛇簧掛鉤四種典型放置狀態(tài)識別的算法編程思路

首先，將蛇簧掛鉤所有點的索引找出，轉(zhuǎn)換為笛卡爾坐標(biāo)，即找出二值圖中所有像素值不為0（灰度級為白色）的點，對其索引矩陣進(jìn)行轉(zhuǎn)置。其次，調(diào)用median函數(shù)計算出橫坐標(biāo)x的中值Xmed，再用find函數(shù)找出對應(yīng)橫坐標(biāo)為Xmed的所有特征點，組合成Xmed線。最后，調(diào)用min函數(shù)計算出縱坐標(biāo)y的最小值Ymin（因為索引圖像原點O位于矩陣左上角，蛇簧掛鉤頂點的row值為最小值），再用find函數(shù)找出對應(yīng)縱坐標(biāo)為Ymin的所有特征點，取出所有特征點的橫坐標(biāo)x的中值Xfeature，頂點即P（Xfeature，Ymin）。至此，由Xmed線長識別【鉤口向下】和【鉤口向上】兩種狀態(tài)，將Xmed與Xfeature比較識別【鉤口在左】和【鉤口在右】兩種狀態(tài)，二者綜合，如圖3所示，最終識別出蛇簧掛鉤四種典型狀態(tài)。

（三）蛇簧掛鉤鉤口朝向的狀態(tài)判定

由圖3可得，【鉤口向下】的Xmed線長度明顯大于【鉤口向上】。因此，求出蛇簧掛鉤對象區(qū)域的Xmed線，利用該線上最高點和最低點縱坐標(biāo)的差得出線長，以Xmed線的長短區(qū)分【鉤口向下】和【鉤口向上】兩種狀態(tài)。為找到能明顯區(qū)分這兩種狀態(tài)Xmed線長度的可靠中間值，對80幅樣本圖像的Xmed線長度進(jìn)行求解運算，并找出了【鉤口向下】的長度最小值272和【鉤口向上】的長度最大值107，由此，將快速識別【鉤口向下】和【鉤口向上】兩種狀態(tài)的Xmed線長度取為：190。

圖1四種放置狀態(tài)圖

圖2閾值分割（例：a、c）

圖3填充后加中值線（例：a、c）

（四）蛇簧掛鉤鉤口位置的狀態(tài)判定

由圖3可得，【鉤口在左】的頂點坐標(biāo)P（Xfeature，Ymin）在Xmed線左側(cè)，【鉤口在右】的頂點坐標(biāo)P在Xmed線右側(cè)。因此，求出蛇簧掛鉤對象區(qū)域的頂點坐標(biāo)P和Xmed線，將P點的橫坐標(biāo)Xfeature與Xmed進(jìn)行比較，以此區(qū)分【鉤口在左】和【鉤口在右】兩種狀態(tài)。對80幅樣本圖像對象區(qū)域的頂點坐標(biāo)P和x中值進(jìn)行求解并進(jìn)行比較，當(dāng)XfeaturexieXmed，蛇簧掛鉤的放置狀態(tài)是【鉤口在右】，由此，識別出【鉤口在左】和【鉤口在右】兩種狀態(tài)。

五、結(jié)論

對蛇簧掛鉤四種典型放置狀態(tài)的識別，是通過求區(qū)域圖像的頂點坐標(biāo)P（Xfeature，Ymin）和圖像x中值Xmed綜合比較實現(xiàn)的。測試結(jié)果表明，該算法準(zhǔn)確可靠，具有應(yīng)用價值，可使自動化生產(chǎn)快速準(zhǔn)確安全。