CN101968347A - 一种扁平粒状物表面平整度的提取方法 - Google Patents

Abstract

本发明公开了一种扁平粒状物表面平整度的提取方法。该方法包括如下步骤：(1)标定图像采集系统，得到图像采集系统的内参数和外参数；(2)对待分选的物体进行图像采集；(3)对采集到的图像对进行预处理；(4)对处理后的图像对进行校正；(5)进行空间分割、颜色分割、初始匹配和平面拟合，求得初始视差平面，计算最终视差图并根据视差图计算得到扁平粒状物的三维信息；(6)根据三维信息计算特征值。本发明模拟人类双眼处理景物的方式重建扁平粒状物的三维信息，根据三维信息对扁平粒状物表面平整度进行提取，简便可靠，精确，对需要判定扁平粒状物表面平整度的物品进行分选时，速度快，实现了计算机大批量针对扁平粒状物表面平整度的提取与检验。

Description

一种扁平粒状物表面平整度的提取方法

技术领域

本发明涉及一种对物体表面平整度的获取方法，特别涉及一种对不规则扁平粒状物的表面平整度的提取方法。

背景技术

机器视觉是一门新兴学科，八十年代以来，机器视觉的研究已从实验室走向实际应用。从二值图象处理到高分辨率多灰度的图象处理，从二维信息处理到三维视觉处理以及模型和算法的研究都取得了很大的进展。随着半导体行业自动化水平的快速提高，更加促进了机器视觉系统的实用化研究。

机器视觉技术由于其速度快、信息量大、功能多等方面的特点，在苹果、番茄等农副产品品质检测中得到了广泛的应用，极大地提高了农产品品质检测的效率和精度。扁平粒状物是日常生活中常见的一种物体，如西瓜子、葵花籽、玉米种子等物体。这类物体的外形看似简单，但实际上要实现自动化分选却相当地困难。单纯利用物理的平面检测方法及间接测量的方法并不能很好地解决辨析分选扁平粒状物问题。而通过大小、长宽比、颜色等通过二维信息计算得到的特征值进行分选存在一定的局限性，且由于其体积小，外形不规则，因此较苹果、番茄等果蔬的识别分选问题更具难度。

在本发明作出之前，文献“基于光度立体法的翘板黑瓜子识别方法研究”([J]《农业工程学报》.2007，23(5)：159-163)中，公开了一种对翘板黑瓜子进行判别的方法，其提取的特征为横向表面积、纵向表面积、粗糙度、平均偏移量等，这些形态特征作为分类的特征判据，对物体的合格判定有着重要的参考价值。然而，由于其计算物体的信息所采用的光度立体法所能恢复的区域必须是多个光源同时照射，致使对于形状未知的物体难以确定该区域，且对环境、设备等条件的要求比较苛刻，造成设备相对复杂，自动化程度较低。而且不能对非单一色彩的物体直接进行处理，因此，该技术应用的条件存在较大局限性，不能适用于对批量大、物体为扁平粒状物的分选工作。

发明内容

本发明的目的在于克服现有技术存在的不足，提供一种能精确、高效，且适用于大批量、形状不规则的扁平粒状物表面平整度的提取方法。

为实现上述发明目的，本发明的技术方案是：一种扁平粒状物表面平整度的提取方法，包括如下步骤：

(1)用2台摄像机组成图像采集系统，采集一组从不同方位拍摄到的标靶图片，对图像采集系统进行标定，得到其内部参数和外部参数，所述的内部参数包括图像中心、焦距和镜头畸变参数；所述的外部参数包括平移向量和旋转向量；

(2)图像采集系统对待测物体进行图像采集，得到待测物体的图像对；

(3)对得到的上述图像对进行平滑噪声和降低两图的亮度差异的预处理；

(4)对处理后的图像对进行立体校正，得到对应的极线平行于水平轴；

(5)采用空间分割、颜色分割、初始匹配和平面拟合的处理方法，得到最终视差图，再经计算得到待测物体的三维信息；

(6)以得到的待测物体的三维信息在各平面的投影面积作为平整度的特征值，确定待测扁平粒状物的表面平整度值。

由于扁平粒状物表面为不规则的曲面，单纯利用物理的平面检测方法及间接测量方法并不能很好地解决其辨析分选问题。而通过大小、长宽比、颜色等特征都很难对其进行判断，且由于体积小，外形不规则，因此较苹果、番茄等果蔬的识别分选问题更具难度。本发明所依据的原理是：利用摄像机系统采集待测物体的图像对，根据双目立体视觉原理重建出待测物体的三维信息，根据得到的三维信息，选择物体在yOz平面的投影面积和在xOz平面的投影面积作为特征值对其进行辨析分选。双目立体视觉是计算机视觉技术的重要分支，是由不同位置的两台或者一台摄像机经过移动或旋转拍摄同一幅场景，根据成像视差来获得该点的三维坐标值。该技术原理简单，精度高，受环境的干扰较小，自动化程度高。

与现有技术相比，本发明的优点是：

(1)本发明采用双目立体视觉原理得到扁平粒状物的三维信息，利用三维信息计算特征值，并依据该特征值确定待测物的表面平整度，实现了计算机针对扁平粒状物表面平整度的提取与检验。

(2)双目立体视觉直接模拟人眼处理景物的方式重建扁平粒状物的三维信息，简便可靠、精确，在对需要判定扁平粒状物表面平整度的物品进行分选时，速度快，从而实现了实用、大批量的分选与检验工作。

附图说明

图1是本发明实施例提供的一种扁平粒状物表面平整度的提取方法的流程示意图。

具体实施方式

下面结合附图及实施例对本发明作进一步描述。

实施例一

参见附图1，它是本实施例提供的一种扁平粒状物表面平整度的提取方法的流程示意图，本实施例技术方案是利用2台CCD摄像机采集一组(一般12幅以上)从不同方位拍摄到的标靶图片，并对摄像机系统的标定，得到摄像机系统的内部参数：图像中心、焦距、镜头畸变参数和外部参数：平移向量和旋转向量。

将摄像机系统采集待测物体的图像输入计算机，对图像进行预处理，平衡左右图像间的亮度差异，减少噪声对待测物体图像的干扰。

由于在双目立体视觉中，存在极线约束关系，校正后的图像对可被认为是两台光轴相互平行的摄像机的成像结果。因此，接着对左右图像进行立体校正，将两个像平面重投影，使得它们共面且图像行完全对准。

利用这种关系，对经过校正的图像对，首先利用边缘检测对其进行空间分割，寻找到物体的上下边缘。常用的边缘检测算子有：Canny算子、Robert算子、高斯拉普拉斯算子、Sobel算子等，在本实施例中，采用Canny边缘算子作为边缘检测器。

检测到物体边缘后，对边缘进行判断：若物体上下边缘距离图像上下边缘的距离大于α(α＞2)个像素，则选取图像对中距离物体上边缘α个像素以下到距下边缘α个像素以上的部分作为后续算法的处理区域，并保持图像对的宽度不变。若物体上下边缘距离图像上下边缘距离小于α个像素，则直接跳转到下一步：颜色分割。在本实施例中，α取3。

在颜色分割中，基于视差值的陡峭地跳跃变化只存在于边界区域的假设，使用过分割以得到尽可能多的分割区域。常用的方法有：基于图论的分割方法、MEANSHIFT分割方法等，其中基于图论的分割方法具有对于数据类的形状不敏感、聚类效果有较好的鲁棒性等优点，在此采用基于图论的分割方法，并将色彩差异的阈值取0.2。

在得到较多分割区域后，使用局部匹配进行视差平面的粗估计，即进行初始匹配。为满足速度要求的同时兼顾健壮性，采用将绝对差和与基于梯度的方法相结合对像素点计算匹配代价。构造以下代价函数：

C(x，y，d)＝(1-ω)C_SAD(x，y，d)+ω*C_GRAD(x，y，d)    (1)

其中，ω为平衡两项的权重系数，C_SAD(x，y，d)和C_GRAD(x，y，d)分别利用左右图像对的对应点计算求得，d取值在0到最大视差值之间。图像中所有点的匹配代价均采用3×3窗口进行计算。

对彩色图像而言，匹配代价定义为每个通道计算结果的加权和，权值的大小取决于每个分量所占的比重。由于匹配满足左右一致性，接着利用左右一致性校验排除遮挡点对初始值的干扰，将通过一致性校验的相应点归为可靠点。

通过式(2)可以求得初始视差平面，进行平面拟合：每个视差平面有a、b、c三个平面参数，x、y是每个图像点的横纵坐标。区域内可靠点的数目N_r与点的总数N的比大于0.4的区域被认为是可靠区域，对可靠区域采用最小二乘法求得三个平面参数。

d＝a*x+b*y+c                (2)

利用视差平面估计集合中的视差值对不可靠区域进行初始分配。定义相似匹配代价公式为：

$C(s,D)=\underset{p\∈s}{\mathrm{\Σ}}{c}_w(p,d)---\left(3\right)$

其中，s为分割得到的区域，D为视差平面，d为D在p处的视差值，c_w(p，d)为当点p的视差值为d时的相似匹配程度。

用视差平面值集合里的相似度匹配代价最小的视差平面值对不可靠区域进行分配。如果相邻区域属于同一视差平面，则将其与这些区域合并，将区域内可靠点的数目与点的总数的比小于0.4的新区域标记为不可靠区域，否则标记为可靠区域。然后计算新区域的视差平面值。若求得的视差平面值不在集合中，则将其加入集合。

立体匹配问题可以转化为能量最小化问题，采用置信度传播算法求解能量最小化问题，进行视差平面的最优分配。能量函数为数据项E_data(f)和平滑项E_smooth(f)的和。

$E_{\mathrm{data}}\left(f\right)=\underset{s\∈R}{\mathrm{\Σ}}C(s,D_s)---\left(4\right)$

$E_{\mathrm{smooth}}=\underset{\∀(s_i,s_j)\∈S_n|f\left(s_i\right)\≠f\left(s_j\right)}{\mathrm{\Σ}}\min \left(\mathrm{\σ}\right|f\left(s_i\right)-f\left(s_i\right)|,{\mathrm{\λ}}_{\mathrm{disc}})---\left(5\right)$

上两式中，f表示整幅图像的视差分配的标号函数，λ_disc＝6为截断常量，σ取1为惩罚系数，s为区域集合R中的一块，S_n为每个区域邻域的集合。

因为上述步骤中视差值均用整数值进行量化，导致重构出的物体表面亦由若干不连续的层组成，与实际的物体表面有一定的误差，不利于特征值的计算，影响最终的分选结果。因此，需对上述步骤得到的视差值d进行求精运算，得到最终视差图。为了减小少数离群点对计算特征值时可能造成的影响，需要对图像进行中值滤波。对窗口内的点，将与中心点的视差值的差值在1个像素内的所有点的视差值求加权平均值，权值由此点到窗口中心点的距离确定。

根据双目立体视觉原理计算得到扁平粒状物表面的三维信息，进而计算求得待测物体在yOz平面的投影面积S₁和在xOz平面的投影面积S₂作为平整度的特征值，利用特征值确定所测扁平粒状物的表面平整度，用以对被测物进行评优、分级、筛选等后续工作。

Claims (1)

1.一种扁平粒状物表面平整度的提取方法，其特征在于包括如下步骤：

(1)用2台摄像机组成图像采集系统，采集一组从不同方位拍摄到的标靶图片，对图像采集系统进行标定，得到其内部参数和外部参数，所述的内部参数包括图像中心、焦距和镜头畸变参数；所述的外部参数包括平移向量和旋转向量；

(2)图像采集系统对待测物体进行图像采集，得到待测物体的图像对；

(3)对得到的上述图像对进行平滑噪声和降低两图的亮度差异的预处理；

(4)对处理后的图像对进行立体校正，得到对应的极线平行于水平轴；

(5)采用空间分割、颜色分割、初始匹配和平面拟合的处理方法，得到最终视差图，再经计算得到待测物体的三维信息；

(6)以得到的待测物体的三维信息在各平面的投影面积作为平整度的特征值，确定待测扁平粒状物的表面平整度值。

Images