CN102101610A - 用于确定交叉卷绕筒管的取向的方法和装置 - Google Patents

Abstract

本发明提供了用于确定交叉卷绕筒管的取向的方法和装置。涉及用于确定交叉卷绕筒管(1)的取向的方法，交叉卷绕筒管(1)的朝向抽出侧的端面(27)构造为具有卷边(4)的管前端(2)，并且交叉卷绕筒管(1)的另一个端面(27)构造为不具有卷边(4)的管足(3)。根据本发明，检测交叉卷绕筒管(1)的端面(27)的数字图像，对该数字图像进行边缘检测以确定筒管(1)的对象边缘(6，7，8，9)，确定取决于由对象边缘(6，7，8，9)形成的圆环(10，11)的宽度(b₁，b₂)的识别参数，将该识别参数与参考值进行比较，根据比较的结果得出关于交叉卷绕筒管(1)的取向的结论。本发明还涉及用于执行所述方法的装置。

Description

用于确定交叉卷绕筒管的取向的方法和装置

技术领域

本发明涉及一种用于确定交叉卷绕筒管的取向的方法，该交叉卷绕筒管的在抽出侧的一个端面被构造为具有卷边的管前端，该筒管的另一个端面被构造为没有卷边的管足。本发明还涉及一种用于执行该方法的装置。

背景技术

在生产交叉卷绕筒子的纺织机，例如自由端纺纱机或绕线机中，线被卷绕在空的筒管上以形成交叉卷绕筒子。在交叉卷绕筒子的形成中，这些线通常从上方被抽出。为了防止线当被抽出时在管的边缘上被挂住或摩擦，管在管前端上朝向抽出侧被卷边(beaded)。此外，用于放置留头的外周凹槽可以设置在管足上。这种凹槽也被称为留头纱线槽。从筒管的前述结构中可见筒管的正确取向在交叉卷绕筒子的生产中是必需的。

已知生产交叉卷绕筒子的纺织机装备有管盒，可以以自动方式将管从管盒输送到纺织机的工作站。这些管盒由操作员手工装载。操作员必须以正确的取向将筒管放置在管盒的心轴上。

不变的目的在于使生产交叉卷绕筒子的纺织机上的工作程序自动化。筒管例如可以被从散装物料容器自动输送出。在这种情况下，筒管以随机取向从容器输出。为了进一步处理筒管，绝对必须的是确定取向，之后进行相应的排列。

除用于在生产交叉卷绕筒子的纺织机内运输筒管的机构之外，非注册专利DE43 41 946A1公开了一种用于确定如上述构造的筒管的取向的机械传感器机构。该传感器机构被构造为管传感装置，该管传感装置扫描管端并且响应管的卷边。这种机械机构昂贵、容易出现故障并且需要维护。

DE-OS 24 12 821公开了一种用于自动供给并且适当排列筒管的装置。为了能够确定筒管的取向，通过贴标签、印刷或者染色等在筒管端面上作标记。将光电反射光栅对准经过的筒管的端面。反射光栅在这种情况下对所述标记进行响应。它用光照射端面并且测量反射的光量。标记改变了光量。标记的制造意味着相当大的支出费用。因此该方法被证明是不成功的。

DE 198 40 299A1公开了一种用于识别管纱的取向的装置。这里也描述了光学扫描装置。利用纺纱管纱的足部的直径大于纺纱管纱的前端这一事实，在纺纱管纱末端处测量垂直于纺纱管纱轴线的阴影。这种测量装置在筒形筒管中被排除。

发明内容

因此本发明的目的在于提供一种用于确定筒管的取向的简单且可靠的可选方法。

该目的根据本发明通过方法权利要求1和装置权利要求11的特征实现。发明的有利的改进是从属权利要求的主题。

为实现该目的，首先将交叉卷绕筒管与图像处理机构相对地布置，然后检测端面的数字图像。对所述数字图像进行边缘检测以便确定所述交叉卷绕筒管的对象边缘，确定取决于由所述对象边缘形成的圆环的宽度的识别参数，将由此确定的识别参数与取决于管参数的参考值进行比较，根据比较的结果得出关于交叉卷绕筒管的取向的结论。

根据本发明的解决方案不可避免地利用了管前端和管足之间的存在于所述管前端上的差异。由于卷边，在数字图像上检测到的圆环在管前端上宽于在管足上。然而，不需要确定所述圆环的绝对宽度。根据宽度来确定识别参数是完全足够的。边缘检测方法本身在数字图像处理的领域中是已知的并且可容易被执行。根据本发明的方法的计算支出相对较低。所述方法同样地可以用于筒形和锥形筒管。

存在用于计算识别参数的很多可选方法。可以确定所述圆环本身的宽度或交叉卷绕筒子的内径。然而，特别有利地的是将相对变化用作识别参数。由于相对测量，评估不受筒管的位移的影响。这种评估也考虑到了不能从数字图像直接获得绝对测量的事实。例如，可以使用内径和外径的比。然而，已证实有利地的是将所述筒管的外径与所述圆环的宽度的商作为识别参数。这是简单且可靠的相对测量。所述商在所述管前端和所述管足之间明显不同。

为执行边缘检测，数字图像可以用灰度值矩阵表示，所述灰度值矩阵的每个元素均将灰度值赋予像素。然而，为了识别位于筒管的端面处的圆环，原则上也不必需要具有彩色矩阵的彩色图像。

根据本发明的另一个改进，从灰度值矩阵确定边缘矩阵以用于边缘检测，所述边缘矩阵的每个元素均将一值赋予像素，并且借助于该值能够识别哪个元素属于对象边缘。

所述对象边缘位于亮度变化最大的点处。通过对于所述灰度值矩阵的每个点，计算出梯度绝对值，也就是说计算出亮度的变化，可以产生边缘图像。计算出的绝对值形成梯度矩阵，并且所述梯度矩阵的每个元素均将梯度绝对值赋予像素。该梯度矩阵已经是边缘矩阵。

根据本发明的改进，将来自所述梯度矩阵的所述梯度绝对值与阈值进行比较，当所述梯度绝对值超过所述阈值时，识别出对象边缘。这种阈值开关意味着其中没有发生足够大的亮度变化的图像区不能被识别为对象边缘。

有利地，当关联的像素被识别为对象边缘时，将值1赋予阈值矩阵的元素，而当关联的像素不被识别为对象边缘时，将值0赋予阈值矩阵的元素。因而以所述阈值矩阵的最小存储开支获得对象边缘和周围的像素之间的最大差异。所述阈值矩阵是改良的边缘矩阵。关联的图像与来自梯度矩阵的边缘图像相比具有更强的反差。显著降低了错误判读的风险。

根据依照本发明的所述方法的改进，通过边缘矩阵确定由对象边缘形成的圆的中心点。为此，像素可以被认为是质点并且可以确定这些质点的焦点，因为所述圆上的像素相对于中心点是点对称的，所以所述焦点与所述中心点重合。

可以检测出线轮廓，所述线轮廓提供边缘矩阵的其像素位于直线上的元素。属于所述线轮廓的所述直线中的一条直线穿过由对象边缘形成的圆的中心点，并且其他所述线轮廓的直线与穿过所述中心点的所述直线平行并且穿过所述中心点附近的像素。此外，形成所述线轮廓的总和。

根据所述线轮廓的总和的分布的最大值的位置，可以确定与所述圆环的宽度和所述筒管的外径成比例的相应的值。这些值的商因此与所述宽度和所述外径的商对应。

原则上可以检测每个筒管的两个端面的数字图像，并且将各自的另一个端面的识别参数用作参考值。然而，更容易地是仅为一种管执行一次这种检测或者根据已知的几何尺寸计算识别值。于是可以根据管前端和管足的识别参数的平均值确定用于一种管的比较值。

为实现该目的，还提出了一种用于确定交叉卷绕筒子的筒管的取向并且用于执行根据本发明所述的方法的装置。根据发明，所述装置具有呈数字摄像机形式的图像处理机构并提供这样的工具，该工具将所述数字摄像机和所述筒管相对于彼此布置成所述交叉卷绕筒管的端面的数字图像可以被检测到。此外，所述装置具有评估机构，所述评估机构构造成对所述数字图像进行边缘检测以确定所述交叉卷绕筒管的对象边缘、确定取决于由所述对象边缘形成的圆环的宽度的识别参数、将所述识别参数与取决于所述管参数的参考值进行比较、以及根据比较的结果得出关于所述交叉卷绕筒管的取向的结论。

简单的黑白摄像机可以用作所述数字摄像机并且这些简单的黑白摄像机现今工作可靠并且可便宜地买到。已知的处理器单元可以容易地由软件补充形成以便执行根据本发明的评估。

所述装置由于其自己的照明而基本上不受光影响。

附图说明

下面将借助于附图所示的实施方式更加详细地描述发明，附图中：

图1示出具有卷边的筒管；

图2示出用于确定筒管的取向的根据本发明的装置的示意图；

图3示出筒管的构造为管前端的端面的视图；

图4示出筒管的构造为管足的端面的视图；

图5示出类似图3的具有属于线轮廓的直线的视图；

图6示出从图5得到的线轮廓的总和的分布(Verlauf)。

具体实施方式

图1示出了筒形筒管1的已知实施方式。沿纵轴线将其剖开。在该筒形筒管的纱线抽出侧2上，具有壁的朝向内的卷边4。卷边防止正被退绕的纱线在壁的已损坏的边缘上挂在管的端面上。在筒管1的相对端(管足3)处距边缘一定间隔在筒管1的外周上结合有凹槽5。该凹槽用来固定开始时的留头。

图2示意性地示出了用于确定筒管1的取向的装置的视图。数字摄像机22布置成使得它可以检测筒管1的端面27。在本实施方式中，该数字摄像机是黑白摄像机。数字摄像机22通过控制线25连接至控制和评估单元23。这启动图像检测并且执行边缘检测和识别参数的确定。控制和评估单元23还控制照明机构24。端面27因此被照亮，从而图像的检测不受外部光影响。所述装置在这里布置成使得，在筒管被供给到生产交叉卷绕筒子的纺织机的工作站之前检查筒管的取向。控制和评估单元23通过控制线26连接至生产交叉卷绕筒子的纺织机的其余控制单元，从而筒管可以在根据所确定的取向被相应地排列。

图3和4分别示出筒管1的端面27。图3在这种情况下示出管前端2的对象边缘。存在两个圆形线6和7，它们形成圆环10。圆环10具有外径D、内径d₁以及宽度b₁。图4示出了管足3的对象边缘。圆形线8和9形成圆环11。外径D与图3的外径相同。内径d₂大于管前端2处的内径d₁。因此，管足3处的圆环11的宽度b₂小于管前端2处的圆环10的宽度b₁。该差异基于管前端2处的卷边4。本发明利用此差异。根据几何尺寸计算出识别参数K。

在本实施方式中，该识别参数是圆环的外径D和宽度b的商。方程式(i)示出其计算。

$K=\frac{D}{b}---\left(i\right)$

在该识别参数中没有必须计算的绝对几何尺寸，相对测量就足够了。

为了确定识别参数，产生数字图像。如方程式(ii)给出的，该图像由具有I行和J列的灰度值矩阵G表示。矩阵的每个元素g_i，j代表一个像素。

首先必须识别圆形线。为此，对图像进行边缘检测。对象边缘位于亮度变化最大的点处。该变化引出偏差的概念，或者对于二维图像引出梯度概念。换而言之，对于图像的每个点，或者也就是说，对于如方程式(iii)所示的灰度值矩阵G的每个点(i，j)，首先计算梯度

$\▿g(i,j)=\left(\begin{array}{c}g(i,j+1)-g(i,j-1)\\ g(i+1,j)-g(i-1,j)\end{array}\right)---\left(\mathrm{iii}\right)$

点(i，j)处的梯度是向量。该向量的第一分量提供行方向上的变化，第二分量提供列方向上的变化。为了获得关于像素中或灰度矩阵的点(i，j)处亮度变化的这种信息，利用根据(iv)计算出的梯度绝对值。

$|\▿g(i,j)|=\sqrt{{(g(i,j+1)-g(i,j-1))}^2+{(g(i+1,j)-g(i-1,j))}^2}---\left(\mathrm{iv}\right)$

点(i，j)处的梯度绝对值限定新的矩阵，即梯度矩阵。根据所述灰度矩阵，梯度矩阵由I行和J列组成。在图解图中，产生与图3、4的视图理想地对应的边缘图像。然而，实际上，在作为对象边缘的这种边缘图像中也示出了小的亮度变化。为此，将梯度矩阵的元素与阈值T比较。这意味着其中没有发生足够大的亮度变化的图像区不被识别为对象边缘。该比较产生了新的矩阵，即具有元素g_sw(i，j)的阈值矩阵。方程式(v)示出了该新矩阵的计算。

根据方程式(vi)，可以根据边缘图像的最大亮度值计算阈值T。C_T是比例系数。

T＝c_T·max(g_边缘图像(i，j))                                (vi)

在图解图中，从所述阈值矩阵产生与边缘图像相比具有更强反差的阈值图像。

为了确定圆环的几何尺寸，可以首先确定形成圆环的圆的中心点。为此，可以将像素视为位于一个平面中的质点。因为圆上的点相对于中心点是点对称的，所以中心点和焦点重合。根据方程式(vii)计算一个N质点系统的焦点

其中m_i是第i个质点的质量并且

是关联的位置向量。

${\stackrel{\→}{r}}_{\mathrm{sp}}=\frac{1}{M}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{m}_i\·{\stackrel{\→}{r}}_i---\left(\mathrm{vii}\right)$

总质量M由方程式(viii)得出。

$M=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{m}_i---\left(\mathrm{viii}\right)$

如果该计算被转换成图像处理，则质量m_i与阈值矩阵的元素g_sw(i，j)对应。因此由方程式(ix)至方程式(xi)获得焦点或中心点的坐标(i_sp，j_sp)。

$j_{\mathrm{sp}}=\frac{1}{M}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}{g}_{\mathrm{SW}}(i,j)\·j---\left(\mathrm{ix}\right)$

$i_{\mathrm{sp}}=\frac{1}{M}\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}{g}_{\mathrm{SW}}(i,j)\·i---\left(x\right)$

$M=\underset{j=0}{\overset{J-1}{\mathrm{\Σ}}}\underset{i=0}{\overset{I-1}{\mathrm{\Σ}}}{g}_{\mathrm{SW}}(i,j)---\left(\mathrm{xi}\right)$

因此，获知圆的中心点并且该中心点在图5中具有附图标记12。直线13穿过中心点12。阈值矩阵的其像素落在该直线上的元素限定线轮廓。为了补偿在边缘检测中的任何不准确，确定更多个线轮廓。这些线轮廓由直线14、15、16以及17表示，它们与直线13平行并且穿过邻近像素。形成线轮廓的总和以用于进一步的评估。图6中示出了该总和的分布。最大值18、19、20和21表示直线13、14、15、16和17与圆形线6、7的交叉点。阈值图像的所有几何尺寸都可以从该线轮廓分布确定，特别是确定圆环的外径D和宽度b₁。外径D由最大值18和19的间距得出。圆环的宽度b₁由最大值18和19的间距以及最大值20和21的间距表示。识别参数K现在可以通过该信息确定。该识别参数可以与参考值相比较，以便判断摄像机22检测到了筒管1的哪一个端面27。

在本实施方式中通过计算出管前端和管足的识别参数的平均值而预先确定用于各自所用的管类型的参考值。将每个新检测到的识别参数与参考值进行比较。如果识别参数小于参考值，则是管前端。如果识别参数大于参考值，则是管足。

Claims (12)

1.一种用于确定交叉卷绕筒管(1)的取向的方法，所述交叉卷绕筒管(1)的朝向抽出侧的端面(27)构造为具有卷边(4)的管前端(2)，并且所述交叉卷绕筒管(1)的另一个端面(27)构造为不具有卷边(4)的管足(3)，其特征在于：首先与图像检测机构相对地布置所述交叉卷绕筒管(1)；然后检测所述交叉卷绕筒管(1)的一个端面(27)的数字图像；对所述数字图像进行边缘检测以便确定所述交叉卷绕筒管(1)的对象边缘(6，7，8，9)；确定取决于由所述对象边缘(6，7，8，9)形成的圆环(10，11)的宽度(b₁，b₂)的识别参数；将由此确定的所述识别参数与取决于管参数的参考值进行比较；并且根据比较的结果得出关于所述交叉卷绕筒管(1)的取向的结论。

2.根据权利要求1所述的方法，其特征在于，所述筒管(1)的外径(D)与所述圆环(10，11)的宽度(b₁，b₂)的商被用作所述识别参数。

3.根据权利要求1或2所述的方法，其特征在于，所述数字图像由灰度值矩阵表示，所述灰度值矩阵的每个元素均将一灰度值赋予一像素。

4.根据权利要求3所述的方法，其特征在于，从所述灰度值矩阵确定边缘矩阵以用于边缘检测，所述边缘矩阵的每个元素均将一值赋予一像素，并且借助于该值可以识别哪个像素属于对象边缘。

5.根据权利要求4所述的方法，其特征在于，对于所述灰度值矩阵的每个点计算梯度绝对值，计算出的绝对值形成梯度矩阵，并且所述梯度矩阵的每个元素均将一梯度绝对值赋予一像素。

6.根据权利要求5所述的方法，其特征在于，将来自所述梯度矩阵的所述梯度绝对值与阈值进行比较，并且当所述梯度绝对值超过所述阈值时，识别出对象边缘(6，7，8，9)。

7.根据权利要求6所述的方法，其特征在于，当关联的像素被识别为所述对象边缘(6，7，8，9)时，将值1赋予阈值矩阵的元素，并且当关联的像素不被识别为所述对象边缘(6，7，8，9)时，将值0赋予阈值矩阵的元素。

8.根据权利要求4至7中的任一项所述的方法，其特征在于，通过所述边缘矩阵确定由所述对象边缘(6，7，8，9)形成的圆的中心点(12)。

9.根据权利要求8所述的方法，其特征在于，检测出线轮廓，所述线轮廓提供所述边缘矩阵的其像素位于直线(13，14，15，16，17)上的元素；属于所述线轮廓的所述直线中的一条直线(13)穿过由所述对象边缘(6，7，8，9)形成的所述圆的中心点(12)；其他所述线轮廓的所述直线(14，15，16，17)与穿过所述中心点(12)的所述直线(13)平行并且穿过该中心点(12)附近的像素；以及形成所述线轮廓的总和。

10.根据权利要求9所述的方法，其特征在于，根据所述线轮廓的总和的分布的最大值(18，19，20，21)的位置，分别确定与所述圆环(10，11)的宽度(b₁，b₂)和所述筒管(1)的外径(D)成比例的值。

11.根据前述权利要求中的任一项所述的方法，其特征在于，根据所述管前端(2)和所述管足(3)的所述识别参数的平均值确定用于一种管类型的所述参考值。

12.一种用于执行根据权利要求1至11中的任一项所述的方法的装置，其特征在于，所述装置具有呈数字摄像机(22)形式的图像处理机构；设置有这样的工具，该工具将所述数字摄影机(22)和所述筒管(1)相对于彼此布置成使得所述交叉卷绕筒管(1)的端面(27)的数字图像可以被检测到；所述装置具有评估机构(23)，所述评估机构构造成对所述数字图像进行边缘检测以便确定所述交叉卷绕筒管(1)的对象边缘(6，7，8，9)、确定取决于由所述对象边缘形成的圆环(10，11)的宽度(b₁，b₂)的识别参数、将该识别参数与取决于管参数的参考值进行比较、以及根据比较的结果得出关于所述筒管(1)的取向的结论。

Images