CN104881859A - 基于多维识别技术的3d机器视觉系统 - Google Patents

Abstract

本发明主要是应用应用于工业在线视觉检测和数字化自动加工领域，特别是在人工作业效率较低或人工视觉无法达到的环境，代替人工作业，以提高工作效率和实现生产自动化。包括图像处理模块、算法设计模块、检测分析模块等部分。基于多维识别技术的3D机器视觉系统的发明目的是提供一种用于是应用工业流水线智能化控制。其技术特点是采用采用3D视觉定位，结合基于PC的软件通过激光三角测量、基于虚拟器的三维测量获得距离的数据，集成图像。自动获取、分析特定的图像有效降低了系统成本，提高系统运行效率。采用模式识别、人工智能技术相结合，一幅或多幅图像的计算机分析，实现工业流行线智能化控制。

Description

基于多维识别技术的3D机器视觉系统

所属技术领域

采用3D视觉定位，结合基于PC的软件建立的一个3D坏境模型，代替人工作业提高工作效率和生产自动化。

背景技术

3D机器视觉系统可以应用于很多领域，其中在容器中拣取零件、机床上的工件装卸以及包装和焊接领域中的应用已经取得了理想的成效。

机器视觉产生至今已有30余年历史，随着电子科技与芯片技术、图像处理和人工智能等技术的发展，机器视觉具有非接触、处理时间快、精度高、安全高效以及节省人力成本等特点，同时，机器视觉产品越来越丰富，产品功能越来越强大，得到了越来越广泛的应用，也被越来越多用户所接受。

除了成品检测外，机器视觉在产品质量管控以及自动化生产的各个环节，建立起越来越多成功的应用。在食品饮料安全生产中，机器视觉用来记录生产过程的序列号缺损程度、外观完好性等信息，帮助我们建立起可以追溯的质量管理体系；在医药的生产过程中，机器视觉用来检查泡罩中药片的完整性和完好性，也同时被应用在需要对药剂的液位高度进行管控的环节；在物流分拣系统中，机器视觉能够轻松地识别出外包装是否存在缺陷，对标签的位置和轮廓进行识别以帮助区分不同类型的物品等。

在自动化生产和质量监控的过程中，机器视觉可以把人从高度重复性的工作中解脱出来，快速可靠地执行检查与监控的任务，提升产品合格率。如今机器视觉正逐步替代一些传统的检测方式，不断为广大用户提供新的解决方式。

发明内容

本发明主要是应用工业流水线智能化控制领域，特别是在人工作业效率较低或人工视觉无法达到的环境，代替人工作业，以提高工作效率和实现生产自动化。采用3D视觉机器系统，包括图像获取、预处理、子图像、特征提取和匹配等部分。通过预图像处理技术能够显著提高图像的质量，增强被测物体的有用信息，抑制无用的干扰信息。利用子像素定位技术可以显著提高目标的定位精度。可测量许多使用传统方法无法测量的物理量，肉眼无法无法分辨的物理量。例如连续变化的亮度场，条纹方位场等。自动化程度高，使用硬件实现独立于环境的处理算法，如边缘检测、特征提取等，这样可以大大提高处理数度。发展彩色图像、灰度图像和多谱图像处理算法，使之适用于各种视觉测量系统。

本发明提供的技术方案是，结合基于PC的软件建立的一个3D坏境模型，通过激光三角测量、基于虚拟器的三维测量获得距离的数据，将一点转化成XYZ坐标，输入到3D模型中，应用基于人体模型对目标进行跟踪，根据可见光传感器获取的二维图像信息与红外传感器获取的深度信息，利用旋转矩阵处理相关联接点动作实现人体动作识别，集成图像。图像处理-模块匹配及轮廓识别；数字信号处理-利用数字图像处理的基本理论和图像跟踪的基本方法，实现图像分割、图像匹配、质心跟踪、波门跟踪、相关算法等内容。

本发明的有益效果是：基于多维识别技术的3D机器视觉系统作为主要处理控制中心代替典型的机器视觉系统由计算机的控制，采用模式识别、人工智能技术相结合，一幅或多幅图像的计算机分析，实现工业流行线智能化控制。自动获取、分析特定的图像有效降低了系统成本，提高系统运行效率。

基于多维识别技术的3D机器视觉系统，包括图像获取，预处理，特征提取和匹配等部分。采用被测量目标---特征提取---反求---目标识别，在图像获取中，考虑到实际工业流水线自动化控制的工业成本控制问题，拟采用激光三角测量图像。对于图像的预处理，我们拟采用小波变换等方法根据图像中出现的不同的噪音类别来进行降噪。而对于预处理后的图像，拟基于一点转化成XYZ坐标算法进行特征提取从而得到我们所需要的特征点准确信息。

基于多维识别技术的3D机器视觉系统具有非接触、处理时间快、精度高、安全高效以及节省人力成本等特点。系统设计包括：图像处理模块、算法设计模块、检测分析模块。系统的图像预处理包括图像平滑和噪声滤波，采用方法有时域和频域滤波。由于中值滤波法在过滤噪声的同时还能很好地保护边缘轮廓的信息，计算时可先采用中值滤波函数NthOder进行滤波处理，再把图像导入算法进行重建。算法设计模块图像重建部分是三维数据获取的主要步骤，为了加速算法运行和简化G语言算法编写的不便，通过利用CLF节点调用在VC++610环境下编译生成的动态链接库dll文件的方法大大提高了内存开销和运算效率。检测分析模块设计为了精确地评价和分析物体表面形貌，系统采用全像素不确定度评价方法，可保证对每个像素所对应检测点均进行不确定度分析，从而全面地获取物体各点合格性信息，避免物体不合格而关键检测部位合格引起的误判断。

基于多维识别技术的3D机器视觉系统采用3D视觉定位，通过分析单幅实时拍摄的产品图像，实现了对物体三维形貌的恢复。采用基于明暗恢复形状方法来实现表面三维数据测量。把采集处理后的图像数据导入算法程序计算得到三维坐标尺寸XYZ坐标算法可以提供z轴方向的信息；避免了2D视觉基于景深原理性的应用瓶颈；采用激光光源，屏蔽了周围环境光的影响。

Claims (9)

1.本发明是一种广泛应用于工业在线视觉检测和数字化自动加工，采用3D视觉定位，结合基于PC的软件建立的一个3D坏境模型，采用模式识别、人工智能技术相结合，一幅或多幅图像的计算机分析，实现工业流行线智能化控制。设计系统设计包括：图像处理模块、算法设计模块、检测分析模块。自动获取、分析特定的图像有效降低了系统成本，提高系统运行效率。

2.根据权利要求1所述的基于多维识别技术的3D机器视觉系统，采用激光激光三角测量获得距离的数据，将一点转化成XYZ坐标，输入到3D模型中，利用旋转矩阵处理相关联接点动作实现人体动作识别，集成图像。

3.根据权利要求1所述的基于多维识别技术的3D机器视觉系统，采用虚拟仪器技术，非接触式多维测量，便于自动控制。

4.根据权利要求1所述的基于多维识别技术的3D机器视觉系统采用基于明暗恢复形状方法来实现表面三维数据测量，其特征是：能进行实时在线非接触测量，便于自动控制。设备简单，易于实现，成本低，并对物体表面无任何要求。测量系统不仅能对产品零件进行二维尺寸检测，还可对单幅图像表面进行三维形貌恢复，进而实现三维测量。

5.根据权利要求1所述的基于多维识别技术的3D机器视觉系统，采用被测目标---特征提取---反求---目标识别，其特征是：目标标定，自动获取，分析特定的图像，图像处理-模块匹配及轮廓识别。

6.根据权利要求1所述的3D视觉定位，其特征是：结合基于PC的软件建立的一个3D坏境模型，通过激光三角测量获得距离的数据，将一点转化成XYZ坐标，输入到3D模型中，应用基于人体模型对目标进行跟踪，根据可见光传感器获取的二维图像信息与红外传感器获取的深度信息，利用旋转矩阵处理相关联接点动作实现人体动作识别，集成图像。

7.根据权利要求1所述的图像处理模块，其特征：图像预处理包括图像平滑和噪声滤波，采用时域和频域滤波。

8.根据权利要求1所述的算法设计模块，其图像重建部分是三维数据获取的主要步骤，通过利用CLF节点调用编译生成的动态链接库的方法，提高内存开销和运算效率。

9.根据权利要求1所述的检测分析模块，其特征：采用全像素不确定度评价方法，精确地评价和分析物体表面形貌。