陳傳旗 ，張輝 ，強(qiáng)西懷 ，2＊，樊小蒲

（1.陜西科技大學(xué)輕工科學(xué)與工程學(xué)院，陜西 西安 710021；2.輕化工程國家級(jí)實(shí)驗(yàn)教學(xué)示范中心，陜西 西安 710021；3.陜西科技大學(xué)機(jī)電工程學(xué)院，陜西 西安 710021）

我國是全球皮革的主要生產(chǎn)加工國，在皮革加工過程中繃板干燥是不可或缺的工序[1]。傳統(tǒng)的皮革繃板主要采用人工方式將皮革固定在繃板框上，由伸縮氣缸進(jìn)行拉伸，這種繃板方式不僅效率低，而且工人勞動(dòng)強(qiáng)度大[2]。目前國外已有皮革自動(dòng)繃板機(jī)械，這種繃板機(jī)主要通過安裝在繃板框支撐座的光電傳感器檢測(cè)皮革邊緣抓取點(diǎn)位置，將獲得的位置信息通過控制器傳輸給電機(jī)，驅(qū)動(dòng)夾鉗實(shí)現(xiàn)皮革自動(dòng)繃板，但是由于皮革大小、形狀和擺放位置各不相同，使得該設(shè)備在抓取皮革時(shí)精度較低，容易產(chǎn)生脫抓或抓取距離過長。因此，實(shí)現(xiàn)皮革邊緣抓取點(diǎn)的準(zhǔn)確定位是皮革自動(dòng)繃板的關(guān)鍵。

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，計(jì)算機(jī)視覺已經(jīng)廣泛應(yīng)用于皮革加工領(lǐng)域[3-6]。Taglio 公司在皮革裁剪系統(tǒng)中加入掃描儀，實(shí)現(xiàn)皮革缺陷檢測(cè)；Gerber 公司在皮革裁剪系統(tǒng)中加入CCD 相機(jī)，在檢測(cè)皮革缺陷的同時(shí)提高了裁剪效率；Lectra 公司在皮革裁床中引入視覺檢測(cè)，實(shí)現(xiàn)了對(duì)皮革的分類[7]。近年來，基于計(jì)算機(jī)視覺的目標(biāo)定位逐漸成為研究熱點(diǎn)[8-9]。Ji等[10]提出了一種蘋果識(shí)別定位的方法，通過對(duì)蘋果圖像進(jìn)行預(yù)處理，利用支持向量機(jī)實(shí)現(xiàn)蘋果目標(biāo)定位。Meng 等[11]利用邊緣檢測(cè)算法提取目標(biāo)物與圖像背景間的邊界線來檢測(cè)目標(biāo)，采用Canny 算子和霍夫變換對(duì)目標(biāo)輪廓進(jìn)行檢測(cè)，實(shí)現(xiàn)對(duì)果實(shí)的精確識(shí)別定位。李致金等[12]對(duì)采集的圖像進(jìn)行預(yù)處理，采用主軸法對(duì)工件輪廓進(jìn)行識(shí)別，計(jì)算出工件的矢量位置。王丹丹等[13]首先利用K-mean 聚類算法得到蘋果輪廓，通過去噪、平滑處理，利用轉(zhuǎn)動(dòng)慣量法提取目標(biāo)對(duì)稱軸，實(shí)現(xiàn)目標(biāo)的二維定位。

基于此，本文利用計(jì)算機(jī)視覺技術(shù)，通過對(duì)相機(jī)進(jìn)行標(biāo)定、圖像預(yù)處理、結(jié)合坐標(biāo)系轉(zhuǎn)換和輪廓點(diǎn)—質(zhì)心角度算法，獲取皮革邊緣抓取點(diǎn)的位置，以期實(shí)現(xiàn)更加準(zhǔn)確的定位。

1 皮革自動(dòng)繃板及視覺定位原理

本文研究主要應(yīng)用于皮革自動(dòng)繃板裝置，其繃板部分夾鉗運(yùn)動(dòng)示意圖如圖1 所示，其特點(diǎn)是夾鉗與繃板框中心成固定角度沿直線往復(fù)運(yùn)動(dòng)，因此要實(shí)現(xiàn)皮革的準(zhǔn)確夾取，需要準(zhǔn)確定位皮革邊緣抓取點(diǎn)位置。

圖1 繃板夾鉗運(yùn)動(dòng)示意圖Fig.1 Toggling gripper movement diagram

基于計(jì)算機(jī)視覺技術(shù)的皮革邊緣抓取點(diǎn)的定位原理如圖2 所示，首先對(duì)相機(jī)進(jìn)行標(biāo)定，然后將采集的圖像傳入計(jì)算機(jī)（PC），其次對(duì)采集的圖像進(jìn)行預(yù)處理，提取圖像輪廓和質(zhì)心坐標(biāo)，最后通過坐標(biāo)系轉(zhuǎn)換和輪廓點(diǎn)—質(zhì)心角度算法篩選出邊緣抓取點(diǎn)，并計(jì)算抓取點(diǎn)到質(zhì)心的實(shí)際距離，實(shí)現(xiàn)對(duì)皮革邊緣抓取點(diǎn)的準(zhǔn)確定位。

圖2 皮革邊緣抓取點(diǎn)定位原理Fig.2 Principle of leather-edge target gripping point location

2 皮革邊緣抓取點(diǎn)定位

2.1 相機(jī)定位

針對(duì)皮革自動(dòng)繃板的視覺檢測(cè)應(yīng)用要求，采用棋盤格標(biāo)定方法，選用鏡頭畸變小的CMOS 相機(jī)，圖像采集過程固定物距和焦距，在標(biāo)定處理中不需要標(biāo)定相機(jī)的內(nèi)外參數(shù)。采用方格尺寸為30 mm 的棋盤格，通過Harris 角點(diǎn)檢測(cè)算法提取棋盤格像素角點(diǎn)坐標(biāo)計(jì)算像素實(shí)際長度，即像素精度，計(jì)算公式（1）為：

式中，L為棋盤格角點(diǎn)實(shí)際長度，單位為mm；△T為圖像中角點(diǎn)像素距離，單位為pixel，K為像素精度，單位為mm/pixel。同時(shí)，為了最大限度消除標(biāo)定過程引入的隨機(jī)誤差和鏡頭畸變引起的物理誤差，采用多次求解平均值的方法求解。

2.2 圖像預(yù)處理

圖像在采集過程中，由于受到光照強(qiáng)度、現(xiàn)場環(huán)境等因素的影響，圖像中存在噪聲等干擾信息，為了增強(qiáng)圖像質(zhì)量，突出目標(biāo)特征信息，需要對(duì)原圖像進(jìn)行預(yù)處理，處理流程如圖3 所示。

圖3 圖像預(yù)處理Fig.3 Image pre-processing

2.2.1 灰度化

相機(jī)采集到的圖像為彩色圖像，彩色圖像和灰度圖像具有相同的特征描述，因此將原圖像轉(zhuǎn)化為灰度圖，可以降低后續(xù)圖像處理的計(jì)算量，減少圖像處理時(shí)間，并且不會(huì)丟失圖像的形態(tài)特征。

2.2.2 圖像濾波

圖像在采集過程中，受到采集設(shè)備和信號(hào)傳輸通道的影響，會(huì)產(chǎn)生不同程度的圖像噪聲干擾，因此必須選擇合適的濾波器進(jìn)行降噪。中值濾波屬于非線性濾波，在處理圖像時(shí)可以很好地抑制脈沖噪聲，并且保持圖像的邊緣細(xì)節(jié)。中值濾波計(jì)算公式（2）為：

式中，h(x,y)為輸出圖像，f(x,y)為輸入圖像，s為濾波器模板。

2.2.3 閾值分割

圖像采集裝置收集到的皮革圖像中通常含有大量無關(guān)信息，要剔除目標(biāo)以外的無關(guān)信息需利用閾值分割算法。Otsu 閾值分割算法通過遍歷搜尋所有灰度級(jí)的類間方差求解最優(yōu)閾值，進(jìn)而將圖像中的像素分為兩類。Otsu 算法具有簡單、高效、魯棒性強(qiáng)的特點(diǎn)，被廣泛應(yīng)用于皮革圖像分割[14]。計(jì)算公式（3）為：

式中，f(x,y)為輸出像素，g(x,y)為輸入像素，t為最優(yōu)閾值。

2.2.4 形態(tài)學(xué)處理

圖像經(jīng)閾值分割后的二值圖像受本身圖像特性和噪聲的影響，可能出現(xiàn)毛邊、斷線等缺陷，形態(tài)學(xué)操作可以通過分割獨(dú)立圖像元素和連接相鄰元素來處理這些缺陷。膨脹和腐蝕是構(gòu)成許多形態(tài)學(xué)算法的基礎(chǔ)，其中開運(yùn)算是先腐蝕后膨脹的過程，可以平滑圖像輪廓，并消除圖像中存在的細(xì)小突出物；閉運(yùn)算可以去除細(xì)小的孔洞，連接相鄰的間隔平滑輪廓。定義如式（4）：

式中，·為腐蝕運(yùn)算，⊕為膨脹運(yùn)算，AoB 為開運(yùn)算，A·B 為閉運(yùn)算。針對(duì)皮革二值化圖像缺陷特點(diǎn)選擇形態(tài)學(xué)開運(yùn)算，該運(yùn)算可以去除圖像中一部分孤立元素，消除毛刺，并使圖像輪廓變平滑。

2.2.5 輪廓提取

經(jīng)過形態(tài)學(xué)處理后的二值化圖像單像素輪廓的提取，主要是通過掏空?qǐng)D像內(nèi)部點(diǎn)得到圖像輪廓，即將二值化圖像目標(biāo)顏色中的一點(diǎn)和其相鄰的8 個(gè)點(diǎn)進(jìn)行比較，若全部相同則將該點(diǎn)置為背景顏色[15]。

通過掏空內(nèi)部點(diǎn)得到的圖像邊界輪廓采用鏈碼跟蹤的方法，如圖4 所示，將輪廓信息以序列的形式存儲(chǔ)起來，以便于后續(xù)的處理?；驹硎牵菏紫劝凑諒淖蟮接摇南碌缴系捻樞虮闅v圖像的所有像素點(diǎn)，找到最左下方的邊界點(diǎn)，將該點(diǎn)記作初始點(diǎn)，按方向鏈碼的順序掃描與當(dāng)前點(diǎn)相鄰的8 鄰域，如此往復(fù)，直至返回初始點(diǎn)[16]。算法原理如圖5 所示。

圖4 八方向鏈碼Fig.4 Eight directional chain code

圖5 邊界追蹤原理Fig.5 Boundary tracking principle

2.3 邊緣抓取點(diǎn)的定位

由上文可知，圖像經(jīng)過預(yù)處理后，已經(jīng)提取到圖像的單像素輪廓，因此可以計(jì)算得到圖像最外層輪廓質(zhì)心，利用坐標(biāo)系變換將圖像輪廓坐標(biāo)轉(zhuǎn)換到以質(zhì)心為原點(diǎn)的坐標(biāo)系，通過輪廓點(diǎn)—質(zhì)心角度公式和歸一化公式篩選出目標(biāo)抓取點(diǎn)，最后利用兩點(diǎn)距離公式計(jì)算目標(biāo)抓取點(diǎn)到質(zhì)心的實(shí)際距離，其實(shí)現(xiàn)過程如圖6 所示。

圖6 坐標(biāo)系轉(zhuǎn)換及邊緣抓取點(diǎn)提取過程Fig.6 Coordinate system conversion and target gripping point extraction process

具體流程如下所述：

（1）最外層輪廓質(zhì)心提取。

原始圖像經(jīng)過圖像預(yù)處理后，得到連續(xù)的最外層輪廓圖像f(x,y)，可以利用圖像的零階幾何矩和一階幾何矩確定最外層輪廓的質(zhì)心坐標(biāo)。計(jì)算公式為式（5）：

式中，(x0,y0)為質(zhì)心坐標(biāo)。

（2）坐標(biāo)系變換。

圖像坐標(biāo)系的原點(diǎn)位于圖像的左上角，通過坐標(biāo)系變換和原點(diǎn)平移，建立以繃板框最外層輪廓質(zhì)心為原點(diǎn)的坐標(biāo)系，并將皮革輪廓映射到該坐標(biāo)系。映射關(guān)系為式（6）：

式中，(ui,vi)為原圖像坐標(biāo)系的坐標(biāo)，(x0,y0)繃板框?yàn)樽钔鈱虞喞|(zhì)心坐標(biāo)。

（3）輪廓點(diǎn)—質(zhì)心角度計(jì)算及其歸一化。

設(shè)坐標(biāo)系變換平移以后皮革輪廓上點(diǎn)的坐標(biāo)為Gi(x,y)，可由反正切函數(shù)計(jì)算得到皮革輪廓上各點(diǎn)與x軸正向的夾角θi。計(jì)算公式為式（7）：

式中，由于反正切函數(shù)的值域?yàn)?-π/2,π/2)，而θi的取值范圍為(0,2π)，因此需要進(jìn)行歸一化，計(jì)算公式為式（8）：

（4）抓取點(diǎn)的定位

皮革圖像輪廓為單像素輪廓，輪廓上的每一個(gè)點(diǎn)都對(duì)應(yīng)一個(gè)角度值，通過遍歷θ的取值，提取最接近目標(biāo)角度所對(duì)應(yīng)的輪廓唯一坐標(biāo)點(diǎn)(x,y)，然后將圖像坐標(biāo)原點(diǎn)平移到原來的位置，并進(jìn)行坐標(biāo)系反變換，最后計(jì)算得到目標(biāo)角度對(duì)應(yīng)坐標(biāo)點(diǎn)在原圖像的坐標(biāo)。反變換方法為式（9）：

式中，(ui,vi)為原圖像坐標(biāo)系的坐標(biāo)，(x0,y0)為繃板框最外層輪廓質(zhì)心坐標(biāo)。利用兩點(diǎn)距離公式可以計(jì)算出目標(biāo)點(diǎn)和最外層輪廓質(zhì)心的像素距離，結(jié)合上文利用棋盤格標(biāo)定法對(duì)相機(jī)進(jìn)行標(biāo)定，得到的像素精度K，可求解出邊緣抓取點(diǎn)與最外層輪廓質(zhì)心的實(shí)際距離。

3 仿真結(jié)果分析

為了驗(yàn)證本研究提出的基于計(jì)算機(jī)視覺的皮革邊緣目標(biāo)抓取點(diǎn)定位方法的有效性和準(zhǔn)確性，使用USB 免驅(qū)動(dòng)CMOS 攝像頭作為圖像采集設(shè)備，采集時(shí)距離目標(biāo)固定距離約為0.9 米，利用白色邊框模擬皮革繃板框，皮革放置在繃板框內(nèi)，所有采集圖像均為JPEG 格式，640×480 pixel。實(shí)驗(yàn)過程均在Visual Studio Code 編程環(huán)境下，運(yùn)用Python 語言結(jié)合OpenCV 3.9.7 開源視覺庫開發(fā)，實(shí)驗(yàn)過程均在Intel Core i5 處理器 2.5GHz、內(nèi)存 8GB、Window 10 64 位操作系統(tǒng)的PC 機(jī)上完成。

本研究所采用的邊緣抓取點(diǎn)定位方法，理論上可以滿足任意數(shù)量夾鉗抓取點(diǎn)的定位，而在實(shí)際中皮革自動(dòng)繃板機(jī)夾鉗的數(shù)量是根據(jù)客戶需求進(jìn)行定制，因此本文主要以間隔30 度角安裝的12 個(gè)數(shù)量夾鉗的自動(dòng)繃板機(jī)作為研究對(duì)象。皮革邊緣抓取點(diǎn)的真實(shí)位置是實(shí)驗(yàn)者通過觀測(cè)并借助測(cè)量工具獲得，抓取點(diǎn)位置主要是由角度位置和距離位置兩部分組成，因此定位誤差主要分為角度誤差和距離誤差。角度誤差即抓取點(diǎn)所在角度方向與真實(shí)角度方向的誤差，距離誤差即所獲得的抓取點(diǎn)與最外層輪廓質(zhì)心的距離與兩點(diǎn)真實(shí)距離的誤差。

試驗(yàn)的主要步驟如下：

（1）搭建圖像采集裝置，運(yùn)用棋盤格對(duì)相機(jī)進(jìn)行標(biāo)定，計(jì)算得到像素精度。

（2）利用標(biāo)定后的相機(jī)對(duì)圖像進(jìn)行采集，將采集到的圖像進(jìn)行預(yù)處理，得到圖像的單像素輪廓。

（3）提取最外層輪廓質(zhì)心，并利用坐標(biāo)系變換和輪廓點(diǎn)—質(zhì)心角度算法篩選出目標(biāo)角度輪廓坐標(biāo)點(diǎn)。

（4）利用坐標(biāo)系反變換和兩點(diǎn)距離公式，計(jì)算得到目標(biāo)抓取點(diǎn)和最外層輪廓質(zhì)心的距離。

對(duì)測(cè)試圖像進(jìn)行邊緣抓取點(diǎn)定位結(jié)果如圖7所示。其中，圖7a 為利用Harris 角點(diǎn)檢測(cè)算法提取的棋盤格角點(diǎn)坐標(biāo)，通過計(jì)算相鄰兩點(diǎn)坐標(biāo)求平均值，像素精度為0.624 mm/pixel；圖7b 為原始圖像；圖7d 為圖7c 經(jīng)中值濾波后的圖像，選用3×3 內(nèi)核模板；形態(tài)學(xué)處理圖像時(shí)，內(nèi)核的形狀對(duì)圖像的處理結(jié)果差距較大，矩形內(nèi)核能最好地彌合較大間隔的目標(biāo)、消除內(nèi)部孔洞和平滑邊緣，故本文選擇內(nèi)核為3×3 的矩形內(nèi)核的結(jié)構(gòu)元素對(duì)圖像進(jìn)行處理；圖7g 為提取的圖像最外層輪廓和皮革單像素輪廓。利用本研究方法進(jìn)行邊緣抓取點(diǎn)的定位結(jié)果如圖7h 所示，定位點(diǎn)基本準(zhǔn)確。

圖7 邊緣抓取點(diǎn)定位Fig.7 Targeted gripping point location

針對(duì)自動(dòng)繃板過程中，皮革大小、形狀和擺放位置的不同，所采用的方法可以實(shí)現(xiàn)對(duì)皮革邊緣抓取點(diǎn)的準(zhǔn)確定位，其效果如圖8 所示。

圖8 形狀不規(guī)則和擺放位置不固定皮革邊緣抓取點(diǎn)定位Fig.8 Irregularly shaped and irregularly positioned leather edge gripping point positioning

為了進(jìn)一步定量、準(zhǔn)確地分析本研究方法對(duì)皮革邊緣抓取點(diǎn)的定位效果，選取20 張大小、形狀不同的皮革，在不同的擺放位置采集40 張圖像。通過處理40 幅圖像得到角度誤差、距離誤差和運(yùn)行時(shí)間數(shù)據(jù)。本研究對(duì)皮革邊緣抓取點(diǎn)的定位效果，從定位精度上來看，由圖9a 可知，平均角度誤差為0.16°，角度誤差的波動(dòng)范圍為[0.05°,0.4°]；由圖 9b可知，平均距離誤差為0.56 mm，距離誤差的波動(dòng)范圍為[1.05 mm,0.3 mm]，本文方法可以滿足自動(dòng)繃板機(jī)的定位精度要求。從運(yùn)行時(shí)間上來看，由圖9c 可知，本研究方法平均運(yùn)行時(shí)間為32.48 ms，可以滿足皮革自動(dòng)繃板機(jī)使用要求。

圖9 定位誤差及運(yùn)行時(shí)間Fig.9 Positioning errors and running times

4 結(jié)論

（1）在皮革自動(dòng)繃板過程中，利用標(biāo)定后的相機(jī)采集坯革的圖像信息，運(yùn)用圖像處理、坐標(biāo)系轉(zhuǎn)換和輪廓點(diǎn)—質(zhì)心角度算法能夠?qū)崿F(xiàn)對(duì)革坯邊緣抓取點(diǎn)的定位；（2）通過仿真實(shí)驗(yàn)驗(yàn)證，本方法對(duì)形狀不規(guī)則和擺放位置不固定的坯革抓取點(diǎn)定位十分有效，精準(zhǔn)度和效率都很高；（3）該技術(shù)方法對(duì)進(jìn)一步實(shí)現(xiàn)皮革智能繃板提供了一種新的思路，在皮革繃板真實(shí)環(huán)境中，將該技術(shù)與工藝過程進(jìn)行有效的耦合，還有待于進(jìn)一步研究與應(yīng)用。