CN101144707A - 饮料瓶口视觉定位方法 - Google Patents

Abstract

本发明公开了一种饮料瓶口视觉定位方法，其步骤为：(1)图像采集以及预处理；(2)对预处理后的瓶口图像进行粗、细两次扫描以及采用重心法得到瓶口圆心参考坐标点；(3)通过瓶口圆心参考坐标点找到瓶口图像内边缘点，然后定位参考瓶口的圆心坐标，建立圆心坐标集合的二维直方图H₀(X_r，Y_r)，最后采用滑动窗口定位圆心计算得到瓶口圆心的横坐标X₀和纵坐标Y₀。本发明是一种能在高速自动化饮料灌装生产线上实现自动跟踪、快速精准定位，并能与空瓶检测设备、高速灌装设备、自动封盖与包装设备配套使用，可极大地提高饮料生产线上的自动灌装、检测分拣与包装设备自动化水平的饮料瓶口视觉定位方法。

Description

饮料瓶口视觉定位方法

技术领域

本发明主要涉及到视觉定位方法领域，特指一种基于机器视觉的高速饮料灌装生产线上的饮料瓶口视觉定位方法。

背景技术

在现代大型高速饮料灌装生产线上，饮料的空瓶质量检测、自动灌装和封盖，要求对瓶口精准定位。而现有生产线上的定位装置主要以机械定位为主，其精度较低，而且定位速度慢，无法满足现代高速自动化饮料灌装生产线的要求。基于机器视觉的瓶口定位方法有着高速度、高精度和高度智能化的特点，不仅增加了生产的柔性和自动化程度，而且大大提高了生产的智能性和通用性，因而越来越受到重视。

在现行的基于机器视觉的瓶口定位算法中，主要有三种：重心法、模板匹配法和探测圆逐步逼近法。在实际生产中，当瓶口图像受到外界噪声等因素干扰或者瓶口图像存在较大缺口和裂纹时，定位存在一定的偏差，严重影响了饮料灌装线的生产速度，并降低了产品的合格率。因此，饮料生产企业迫切需要一种速度快、精度高的瓶口定位新方法。

发明内容

本发明要解决的问题就在于：针对现有技术存在的技术问题，本发明提供一种能在高速自动化饮料灌装生产线上实现自动跟踪、快速精准定位，并能与空瓶检测设备、高速灌装设备、自动封盖与包装设备配套使用，可极大地提高饮料生产线上的自动灌装、检测分拣与包装设备自动化水平的饮料瓶口视觉定位方法。

为解决上述技术问题，本发明提出的解决方案为：一种饮料瓶口视觉定位方法，其特征在于步骤为：

(1)、图像采集以及预处理：通过高速摄像机和图像采集卡采集瓶口图像，然后把图像送入工控机进行预处理，即对采集到的瓶口图像进行直方图均衡化处理，通过低通滤波，以去除各亮、暗噪声目标，得到清晰的瓶口图像，并使之与背景分离开来；

(2)、确定重心：先对步骤(1)中预处理后的瓶口图像进行粗略扫描，采用重心法获取粗略的瓶口圆心坐标点集合(X₀₁，Y₀₁)，再在粗略的瓶口圆心坐标点集合(X₀₁，Y₀₁)区域进行细扫描，再次采用重心法得到精度更高的瓶口圆心参考坐标点(X₀₂，Y₀₂)；

(3)、定位圆心，通过步骤(2)确定重心后，分以下三步定位瓶口圆心：

①、得到瓶口图像内边缘点：以上述步骤(2)中得到的瓶口圆心参考坐标点(X₀₂，Y₀₂)为圆心，进行360度沿半径方向的径向扫描，搜索瓶口内边缘点，每隔a度进行一次扫描，共进行360/a次扫描，得到360/α个内边缘点；

②、定位参考瓶口的圆心坐标：在搜索到的内边缘点中，任意选取一个点A，沿逆时钟或者顺时钟方向寻找内边缘点集合中的第二个边缘点B，每隔β度寻找一个点，把找到的360/β个点确定一个圆，得到第二个圆心坐标；依次类推，重复上述方法，将得到个圆心坐标，组成一个圆心坐标集合，并建立圆心坐标集合的二维直方图H₀(X_r，Y_r)；根据搜索到的三个边缘点的坐标计算出一个参考瓶口的圆心坐标(X_r，Y_r)，并在瓶口圆心的二维直方图上标记，即令H₀(X_r，Y_r)＝H₀(X_r，Y_r)+1，

$\mathrm{Xr}=\frac{(y_3-y_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(y_2-y_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2\[(x_2-x_1)(y_3-y_2)-(x_3-x_2)(y_2-y_1)\]}---\left(12\right)$

$\mathrm{Yr}=\frac{(x_3-x_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(x_2-x_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2\[(x_3-x_3)(y_2-y_1)-(y_3-y_2)(x_2-x_1)\]}---\left(13\right)$

其中x₁，y₁，x₂，y₂，x₃，y₃分别为找到的三个瓶口内边缘点的横坐标和纵坐标；

③、用滑动窗口定位圆心：利用3×3像素的滑动窗口在二维直方图上H₀(X_r，Y_r)搜索，并通过式(14)计算，当滑动窗口内对应的H₀(X_r，Y_r)总和S_w最大时，采用加权平均法，最终使用式(15)(16)计算出瓶口圆心的横坐标X₀和纵坐标Y₀，

$S_w=\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})---\left(14\right)$

$\mathrm{Xo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}-1}{\mathrm{\Σ}}}\[\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})\mathrm{Xr}\]}{\underset{\mathrm{Yr}=\mathrm{Yw}+1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(15\right)$

$\mathrm{Yo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\[\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})\mathrm{Yr}\]}{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(16\right)$

其中X_w和Y_w分别为滑动窗口中心对应的横坐标和纵坐标。

在瓶口图像的采集过程中，采用环行LED作为光源照明。

与现有技术相比，本发明的优点就在于：

(1)定位速度快。首先，本发明采用先粗略扫描确定重心范围、再细扫描确定准确重心的方法，缩小了对图像扫描的范围，与一般的重心法相比，提高了定位重心的速度；其次，本发明采用先确定重心，然后在重心的基础上得到瓶口图像内边缘点，再定为圆心的方法，减少了对图像扫描的次数，与探测圆逐步逼近法等方法相比，减少了运算量，提高了定位圆心的速度。

(2)定位精度高。首先，本发明定位圆心的思路是先图像预处理，再找重心，然后根据重心找到瓶口图像的圆心，因此能极大地消除定为误差，并经过多步骤实施定为，增加了准确性；其次，本发明在得到瓶口图像重心后，采用先找瓶口内边缘点，再定位参考瓶口的圆心坐标，然后采用3×3像素的滑动窗口，采用取加权平均值的方法求出准确瓶口圆心坐标，这样保证了定位的精度，并且既是瓶口图像存在一定的缺陷，也能较高精度的定位圆心。因此，与其他定位圆心的方法相比，本发明解决了在保证高速的前提下能高精度定位瓶口圆心的问题。

(3)适用性广、移植性强。本定位方法能广泛应用于现代大型高速饮料生产线上的自动空瓶检测、灌装和封盖包装，并且可移植到医药行业的灌装药品定位上，具有很强的适应性，且该方法能广泛应用于啤酒、矿泉水等高速饮料自动灌装生产线，是一种具有高度通用性和准确性的智能视觉定位方法。

附图说明

图1是本发明视觉定位方法的流程总框图；

图2是本发明视觉定位方法实施例的具体流程示意图；

图3是采用粗、细两次扫描和重心法获得瓶口图像的重心示意图；

图4是搜索瓶口图像内边缘点的径向扫描示意图；

图5是从候选瓶口内边缘点中找出三个点的示意图；

图6是滑动窗口在H₀(X_r，Y_r)上的搜索示意图。

具体实施方式

以下将结合附图和具体实施例对本发明做进一步详细说明。

如图1和图2所示，本发明的饮料瓶口视觉定位方法，其具体流程为：

1、图像预处理。系统采用环形LED光源照明，用高速摄像机和图像采集卡采集瓶口图像，然后把图像送入工控机进行处理。因而瓶口图像在形成、传输、接受和处理的过程中，不可避免的存在外部和内部干扰，故先需对瓶口图像进行预处理。首先对瓶口图像进行直方图均衡化处理，直方图均衡化从本质上来说就是构造一个变换函数T，通过变换函数将原图像的直方图调整为平坦的直方图，然后用此均衡直方图校正图像，从而改变图像的特性。

对于数字图像，灰度级r为离散值rk(k＝0，1，2，…，L-1，L是灰度级的数目)。第i个灰度级ri出现的频数用ni表示，该灰度级像素对应的概率值P(ri)为：

$P\left(r_i\right)=\frac{n_i}{N}---\left(1\right)$

式中N是一幅图像的像素总数，ri满足归一化条件。则直方图均衡化的变换函数表达式为：

$S_i=T\left(r_i\right)=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}P\left(r_i\right)=\underset{i=0}{\overset{L-1}{\mathrm{\Σ}}}\frac{n_i}{N}---\left(2\right)$

式中L为灰度级的数目。相应的反变换为：

r_i＝T^-1(s_i)    (3)

自适应中心权值中值滤波(ACWM)是基于CWM的输出，在每个像素位c定义如下差值表达式：

d_k(c)＝|y_k(c)-x(c)|    (4)

其中k＝0，1，...，n-1；可以得出

d_k(c)≤d_k-1(c)    (1≤k≤n-1)    (5)

本发明采用一组阈值T_k来判断像素信息是否被噪声所损坏，k＝1，...，n-1：

T_k-1>T_k    (6)

如果对于某像素点，在k＝0，...，n-1之间有

d_k>T_k    (7)

那么该像素将被视为噪声点。从表达式中的可看出，阈值T_k在其中起着很大的作用，它的设定也是该方法的难点。

T_k＝τ+δ_k    (8)

其中5≤τ≤20，[δ₀δ₁δ₂δ₃]＝[50 30 10 0]；

这样该ACWM的表达式可以总结为：

2、确定重心。首先根据预处理后图像的灰度和灰度差，采用大尺度的粗略扫描方式，使用重心法获得瓶口圆心的大致位置(X₀₁，Y₀₁)。这里的所谓大尺度粗略扫描是指不对原始图像进行一个像素接一个像素的扫描，而是隔一个采样步长才采样一次，如图三所示。

本发明可以选择的采样步长为15个像素。这样做，使程序耗时为原来的十几分之一，只是所获圆心位置偏差稍微增大，获得一个瓶口圆心的大致位置。虽然损失了一点精度，但大幅度提高了速度。如式(10)(11)，当获得(X₀₁，Y₀₁)这个粗略瓶口圆心位置后，再用前面的方法进行一次小尺度的细扫描。这次扫描只在(X₀₁，Y₀₁)附近的指定区域内进行，例如可以采用步长为6个像素，并修正阈值，使最后的结果进一步精确。经过第二次细扫描，获得瓶口圆心的位置(X₀₂，Y₀₂)。

$X_o=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{x}_i}{N}---\left(10\right)$

$Y_o=\frac{\underset{l=1}{\overset{N}{\mathrm{\Σ}}}{y}_i}{N}---\left(11\right)$

3、定位圆心。分三步定位圆心：

(1)得到瓶口图像内边缘点。以第二步得到的参考点(X₀₂，Y₀₂)为圆心，沿半径方向进行360度沿半径方向的径向扫描，搜索瓶口内边缘点，每隔α度进行一次扫描，共进行360/α次扫描，得到360/α个内边缘点。例如，当取每隔α为5时，每5度行一次扫描，一共进行一圈72次径向扫描，即最多能找到72个内边缘点。如图四所示。这样的径向扫描获得的瓶口内边缘点的位置要比常规的水平或垂直扫描整体上精确得多，使用同样的阈值检测到的边缘点就不会有太大误差。

(2)定位参考瓶口的圆心坐标。完成一周的径向扫描后，得到足够多的内边缘点。在搜索到的边缘点中，任意选取一个点A，沿逆时钟或者顺时钟方向寻找内边缘点集合中的第二个边缘点B(如采用逆时钟，则以下寻找其他边缘点时也采用逆时钟；若采用顺时钟，则以下也采用顺时钟)，每隔β度寻找一个点，把找到的360/β个点确定一个圆，得到第二个圆心坐标。依次类推，得到个圆心坐标，组成一个圆心坐标集合，并建立圆心坐标集合的二维直方图H₀(X_r，Y_r)。例如，可从中按以下方法找出三个点，β为120度，如图五所示。首先从0度开始，逆时针方向找到候选的瓶口内边缘点。当找到第一个点后，再从与该点逆时针方向相隔120度的位置开始搜索第二个点，先沿逆时针方向搜寻45度，搜不到再沿顺时针方向搜寻45度。当找到第二个点后，再从与该点逆时针方向相隔120度的位置开始搜索第三个点，先沿逆时针方向搜寻45度，搜不到再沿顺时针方向搜寻45度。这样使搜到的三个瓶口内边缘点尽可能相差120度，从而可减少用它们的坐标计算圆心时的误差。当找到一组三个内边缘点后，用式(12)(13)可计算出一个瓶口圆心的参考坐标(X_r，Y_r)，并累加于瓶口圆心的二维直方图H₀(X_r，Y_r)上，即令H₀(X_r，Y_r)＝H₀(X_r，Y_r)+1。

$\mathrm{Xr}=\frac{(y_3-y_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(y_2-y_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2\[(x_2-x_1)(y_3-y_2)-(x_3-x_2)(y_2-y_1)\]}---\left(12\right)$

$\mathrm{Yr}=\frac{(x_3-x_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(x_2-x_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2\[(x_3-x_3)(y_2-y_1)-(y_3-y_2)(x_2-x_1)\]}---\left(13\right)$

其中x₁，y₁，x₂，y₂，x₃，y₃分别为找到的三个瓶口内边缘点的横坐标和纵坐标。当用以上方法获得24个瓶口圆心的参考坐标时，停止搜索。

(3)用滑动窗口定位圆心。使用一个滑动窗口(3×3像素)，在二维直方图H₀(X_r，Y_r)上搜索，如图六所示，计算当滑动窗口内对应的H₀(X_r，Y_r)总和S_w(由式(14)计算)最大时，采用加权平均法，最终使用式(15)(16)计算出瓶口圆心的横坐标X₀和纵坐标Y₀。

$S_w=\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})---\left(14\right)$

采用加权平均法公式如下，其中X_w和Y_w分别为滑动窗口中心对应的横坐标和纵坐标，进而完成饮料瓶口的视觉定位。

$\mathrm{Xo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\[\mathrm{Ho}(\mathrm{Xr},\mathrm{yr})\mathrm{Xr}\]}{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(15\right)$

$\mathrm{Yo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\[\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})\mathrm{yr}\]}{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(16\right)$

(15)(16)式X_w和Y_w分别为滑动窗口在H₀(X_r，Y_r)上搜索时，S_w为最大时滑动窗口中心对应的横坐标和纵坐标。

Claims (2)

1.一种饮料瓶口视觉定位方法，其特征在于步骤为：

(1)、图像采集以及预处理：通过高速摄像机和图像采集卡采集瓶口图像，然后把图像送入工控机进行预处理，即对采集到的瓶口图像进行直方图均衡化处理，通过低通滤波，以去除各亮、暗噪声目标，得到清晰的瓶口图像，并使之与背景分离开来；

(2)、确定重心：先对步骤(1)中预处理后的瓶口图像进行粗略扫描，采用重心法获取粗略的瓶口圆心坐标点集合(X₀₁，Y₀₁)，再在粗略的瓶口圆心坐标点集合(X₀₁，Y₀₁)区域进行细扫描，再次采用重心法得到精度更高的瓶口圆心参考坐标点(X₀₂，Y₀₂)；

(3)、定位圆心，通过步骤(2)确定重心后，分以下三步定位瓶口圆心：

①、得到瓶口图像内边缘点：以上述步骤(2)中得到的瓶口圆心参考坐标点(x₀₂，Y₀₂)为圆心，进行360度沿半径方向的径向扫描，搜索瓶口内边缘点，每隔α度进行一次扫描，共进行360/α次扫描，得到360/α个内边缘点；

②、定位参考瓶口的圆心坐标：在搜索到的内边缘点中，任意选取一个点A，沿逆时钟或者顺时钟方向寻找内边缘点集合中的第二个边缘点B，每隔β度寻找一个点，把找到的360/β个点确定一个圆，得到第二个圆心坐标；依次类推，重复上述方法，将得到

个圆心坐标，组成一个圆心坐标集合，并建立圆心坐标集合的二维直方图H₀(X_r，Y_r)；根据搜索到的三个边缘点的坐标计算出一个参考瓶口的圆心坐标(X_r，Y_r)，并在瓶口圆心的二维直方图上标记，即令H₀(X_r，Y_r)＝H₀(X_r，Y_r)+1，

$\mathrm{Xr}=\frac{(y_3-y_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(y_2-y_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2[(x_2-x_1)(y_3-y_2)-(x_3-x_2)(y_2-y_1)]}---\left(12\right)$

$\mathrm{Yr}=\frac{(x_3-x_2)(x_2^2-x_1^2+y_2^2-y_1^2)-(x_2-x_1)(x_3^2-x_2^2+y_3^2-y_2^2)}{2[(x_3-x_3)(y_2-y_1)-(y_3-y_2)(x_2-x_1)]}---\left(13\right)$

其中x₁，y₁，，x₂，y₂，，x₃，y₃分别为找到的三个瓶口内边缘点的横坐标和纵坐标；

③、用滑动窗口定位圆心：利用3×3像素的滑动窗口在二维直方图上H₀(X_r，Y_r)搜索，并通过式(14)计算，当滑动窗口内对应的H₀(X_r，Y_r)总和S_w最大时，采用加权平均法，最终使用式(15)(16)计算出瓶口圆心的横坐标X₀和纵坐标Y₀，

$S_w=\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}\left(\mathrm{Xr},\mathrm{Yr}\right)---\left(14\right)$

$\mathrm{Xo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\left[\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})\mathrm{Xr}\right]}{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(15\right)$

$\mathrm{Yo}=\frac{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\left[\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})\mathrm{Yr}\right]}{\underset{\mathrm{Yr}=\mathrm{Yw}-1}{\overset{\mathrm{Yw}+1}{\mathrm{\Σ}}}\underset{\mathrm{Xr}=\mathrm{Xw}-1}{\overset{\mathrm{Xw}+1}{\mathrm{\Σ}}}\mathrm{Ho}(\mathrm{Xr},\mathrm{Yr})}---\left(16\right)$

其中X_w和Y_w分别为滑动窗口中心对应的横坐标和纵坐标。

2.根据权利要求1所述的饮料瓶口视觉定位方法，其特征在于：在瓶口图像的采集过程中，采用环行LED作为光源照明。

Images