CN103279979B - 基于3d建模的近柱面瓶体标签的检测方法 - Google Patents

Abstract

本发明公开了一种基于3D建模的近柱面瓶体标签的检测方法，包括瓶体标签位置的精确定位和标签掩码提取、瓶体标签的3D建模、瓶体标签图像的反柱面展开、瓶体标签图像的检测四个步骤，在高速自动化生产流水线上进行实时不间断检测，检测出标签的不合格产品，检测准确率高。

Description

基于3D建模的近柱面瓶体标签的检测方法

技术领域

本发明属于生产线自动检测技术领域，尤其是涉及一种基于3D建模的近柱面瓶体标签的检测方法。

背景技术

随着食品饮料包装检测行业的迅速发展，自动化水平的提高，人工检测已经不能满足自动化生产线的要求。在饮料、酒类等产品的灌装生产线上，为了提高产品的总质量，各个生产厂家都有类似于对空瓶的质量，灌装后成品的封盖、液位、瓶子的标签等进行检测的设备，将不合格的产品分拣出来，从而形成了将图像拼接技术与自动化生产线相结合。目前的检测方法包括图像采集系统、图像处理系统和运动控制系统，对标签进行图像采集，相机拍摄到标签图像，对标签进行判断。目前，常用的图像处理是利用相机获取瓶子的图像，然后依次对比关于瓶子图像中心轴对称的两点的图像信号进行缺陷检测；另一种利用对称性保证测量装置和被检环之间密切契合；还有一种检测为多个相机，具有深浅对比的壳体来准确确定传送带上容器的位置等等。然而，在高速运转的生产线上，以上检测准确率偏低，避免不了不合格的产品流入市场，从而影响消费者的利益。

发明内容

本发明的目的是：提供一种在高速自动化生产流水线上进行实时不间断检测、检测准确率高的基于3D建模的近柱面瓶体标签的检测方法。

本发明的技术方案是：包括以下步骤：

一、瓶体标签位置的精确定位和标签掩码提取；方法如下，首先，将模板图像与待检测图像中进行配准，得出待检测图像的旋转角度和偏移量，然后，将模板进行旋转角度和偏移量的补偿，最后，将得到的结果作为每一个待检测图像的标签掩码；

二、瓶体标签的3D建模；方法如下，首先，根据相邻两个图像间标签掩码的位置确定同一个像素点映射到两个相机的位置，其次，利用标定得到的相机外参矩阵，两两确定瓶体标签的中心轴的空间位置，再次，利用标签掩码的像素值宽度，两两确定瓶体标签的空间宽度，重建出瓶体标签在空间中的3D模型；

三、瓶体标签图像的反柱面展开；方法如下，首先，根据相机拍摄图像的空间位置计算映射到图像平面位置，其次，将该平面位置的图像灰度值重新映射到瓶体标签的大图中，最后，对边界部分进行图像融合和光照调整；

四、瓶体标签图像的检测；方法如下，首先，在瓶体标签图像上放置j个不同大小的矩形框，其次，根据矩形框特征生成待检测标签图像的特征矢量，最后，根据分类器给出的结果判定瓶体标签是否存在缺陷。

所述相机外参标定的方法如下，打印棋盘图作为标准图像，在相邻两个相机间拍摄一幅图片，要求两个相机能够拍摄到棋盘图的全身，得到相邻两个相机拍摄的图片Ⅰ、图片Ⅱ，将相邻两个相机内参和图片Ⅰ、图片Ⅱ组成一组，按顺序两两进行相机外参标定，得到四组相机对的4×4的相机外参矩阵，计算得到相机间旋转角、俯仰角以及偏移角之间的差异。

对四个相机分别进行相机内参标定，相机内参标定的方法如下：打印棋盘图作为标准图像，在每个相机前拍摄一幅图片，要求棋盘图垂直于相机的光轴，计算四个相机3×3的相机内参矩阵，得到每个相机焦距、中心点坐标内部参数。

所述矩形框特征包括每个矩形框中纹理特征、颜色特征，统计各矩形框特征生成待检测标签图像的特征矢量。

本发明的有益效果是：本发明通过对瓶体标签位置的精确定位和标签掩码提取、瓶体标签的3D建模、瓶体标签图像的反柱面展开、瓶体标签图像的检测四个步骤，来完成高速自动化生产线上全标签的检测，检测出不合格的产品，例如劣标、大小标、高低标、衔接标、光标、气炸行等。本发明检测速度快，检测准确率高。

附图说明

图1为本发明中标定方法所用的棋盘图；

图2为本发明中标定方法的流程图；

图3为本发明基于3D建模的近柱面瓶体标签的检测方法的流程图。

具体实施方式

从图3所示本发明基于3D建模的近柱面瓶体标签的检测方法的流程图可以看出，本发明包括以下四个步骤：瓶体标签位置的精确定位和标签掩码提取，瓶体标签的3D建模，瓶体标签图像的反柱面展开，瓶体标签图像的检测。

步骤一、瓶体标签位置的精确定位和标签掩码提取。方法如下，首先，将模板图像与待检测图像中进行配准，得出待检测图像的旋转角度和偏移量；然后，将模板进行旋转角度和偏移量的补偿；最后，将得到的结果作为每一个待检测图像的标签掩码。

步骤二、瓶体标签的3D建模。方法如下，首先，根据相邻两个图像间标签掩码的位置确定同一个像素点映射到两个相机的位置；其次，利用标定得到的相机外参矩阵，两两确定瓶体标签的中心轴的空间位置；再次，利用标签掩码的像素值宽度，两两确定瓶体标签的空间宽度，重建出瓶体标签在空间中的3D模型。

步骤三、瓶体标签图像的反柱面展开。方法如下，首先，根据相机拍摄图像的空间位置计算映射到图像平面位置；其次，将该平面位置的图像灰度值重新映射到瓶体标签的大图中；最后，对边界部分进行图像融合和光照调整，避免光照不均匀带来的检测误差。

步骤四、瓶体标签图像的检测。方法如下，首先，在瓶体标签图像上放置j个不同大小的矩形框；其次，根据矩形框特征生成待检测标签图像的特征矢量，矩形框特征包括每个矩形框中纹理特征、颜色特征，统计各矩形框特征生成待检测标签图像的特征矢量；最后，根据分类器给出的结果判定瓶体标签是否存在缺陷，可根据SVM分类器给出的结果。

图2为本发明中标定方法的流程图，基于3D建模的近柱面瓶体标签的标定方法的主要步骤为：（一）相机内参数标定，得到每个相机焦距、中心点坐标内部参数；（二）相机外参数标定，得到相机间旋转角、俯仰角以及偏移角之间的差异。对四个相机分别进行相机内参标定，相机内参标定的方法如下：首先，打印棋盘图作为标准图像，图1为本发明中标定方法所用的棋盘图；其次，在每个相机前拍摄一幅图片，要求棋盘图尽量垂直于相机的光轴；最后，根据相机内参估计方法计算得到四个相机3×3的相机内参矩阵，得到每个相机焦距、中心点坐标内部参数。相机外参标定的方法如下：首先，打印棋盘图作为标准图像，其次，在相邻两个相机间拍摄一幅图片，要求两个相机能够拍摄到棋盘图的全身，得到相邻两个相机拍摄的图片Ⅰ、图片Ⅱ，再次，将相邻两个相机内参和图片Ⅰ、图片Ⅱ组成一组，按顺序两两进行相机外参标定，最后，得到四组相机对的4×4的相机外参矩阵，计算得到相机间旋转角、俯仰角以及偏移角之间的差异。

本发明通过对瓶体标签位置的精确定位和标签掩码提取、瓶体标签的3D建模、瓶体标签图像的反柱面展开、瓶体标签图像的检测四个步骤，在高速自动化生产流水线上进行实时不间断检测，检测出标签的不合格产品，检测准确率高。

Claims (4)

1.一种基于3D建模的近柱面瓶体标签的检测方法，其特征在于：包括以下步骤：

一、瓶体标签位置的精确定位和标签掩码提取；方法如下，首先，将模板图像与待检测标签图像进行配准，得出待检测标签图像的旋转角度和偏移量，然后，将模板进行旋转角度和偏移量的补偿，最后，将得到的结果作为每一个待检测标签图像的标签掩码；

二、瓶体标签的3D建模；方法如下，首先，根据相邻两个图像间标签掩码的位置确定同一个像素点映射到两个相机的位置，其次，利用标定得到的相机外参矩阵，两两确定瓶体标签的中心轴的空间位置，再次，利用标签掩码的像素值宽度，两两确定瓶体标签的空间宽度，重建出瓶体标签在空间中的3D模型；

三、瓶体标签图像的反柱面展开；方法如下，首先，根据相机拍摄图像的空间位置计算映射到图像平面位置，其次，将该平面位置的图像灰度值重新映射到瓶体标签的大图中，最后，对边界部分进行图像融合和光照调整；

四、瓶体标签图像的检测；方法如下，首先，在瓶体标签图像上放置j个不同大小的矩形框，其次，根据矩形框特征生成待检测标签图像的特征矢量，最后，根据分类器给出的结果判定瓶体标签是否存在缺陷。

2.根据权利要求1所述的基于3D建模的近柱面瓶体标签的检测方法，其特征在于：所述相机外参标定的方法如下，打印棋盘图作为标准图像，在相邻两个相机间拍摄一幅图片，要求两个相机能够拍摄到棋盘图的全身，得到相邻两个相机拍摄的图片Ⅰ、图片Ⅱ，将相邻两个相机内参和图片Ⅰ、图片Ⅱ组成一组，按顺序两两进行相机外参标定，得到四组相机对的4×4的相机外参矩阵，计算得到相机间旋转角、俯仰角以及偏移角之间的差异。

3.根据权利要求1或2所述的基于3D建模的近柱面瓶体标签的检测方法，其特征在于：对四个相机分别进行相机内参标定，相机内参标定的方法如下，打印棋盘图作为标准图像，在每个相机前拍摄一幅图片，要求棋盘图垂直于相机的光轴，计算四个相机3×3的相机内参矩阵，得到每个相机焦距、中心点坐标内部参数。

4.根据权利要求1所述的基于3D建模的近柱面瓶体标签的检测方法，其特征在于：所述矩形框特征包括每个矩形框中纹理特征、颜色特征，统计各矩形框特征生成待检测标签图像的特征矢量。