CN105701492A - 一种机器视觉识别系统及其实现方法 - Google Patents
一种机器视觉识别系统及其实现方法 Download PDFInfo
- Publication number
- CN105701492A CN105701492A CN201410691670.2A CN201410691670A CN105701492A CN 105701492 A CN105701492 A CN 105701492A CN 201410691670 A CN201410691670 A CN 201410691670A CN 105701492 A CN105701492 A CN 105701492A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- region
- characteristic area
- camera
- machine vision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
一种机器视觉识别系统的实现方法及系统,其用于定位一元件,该元件为一产品或产品上的特定区域,包括以下步骤:a)将符合精度要求的一相机芯片以及一镜头组合形成一相机模组;b)提供一光源,使得所述相机模组可识别到所述元件;c)获取位于基准位置时的所述元件的一注册图像R0中的一特征区域A0以及一特定点U0的坐标(x0,y0);d)获取位于待定位置时的所述元件的一图像R1中的一特征区域A1以及一特定点U1的坐标(x1,y1);e)利用所述特定点U0的坐标(x0,y0)和所述特定点U1坐标(x1,y1),获得位于待定位置的所述元件相对于基准位置的偏差。
Description
技术领域
本发明涉及机器视觉领域,尤其涉及一种机器视觉识别系统以及其实现方法。
背景技术
随着自动化设备的快速发展,很多高精度的自动化设备需要用到机器视觉来辅助电机定位。
对于手机摄像模组产业更是如此,其产品小,各个部件更小,如果需要自动化组装,并完成性能测试,单单靠机械轴和电机的精度无法达到要求,所以需要用到机器视觉的识别辅助。在自动设备中,要依赖机器视觉实现对产品的自动化操作,必须要实现对产品上特定位置的识别与定位,然后才能对产品进行相关的操作。
以自动调焦机为例,在对摄像模组进行调焦时,需要将调焦手轮准确地插入到摄像模组端面的花瓣槽进行调焦。因此如何通过机器视觉识别到花瓣槽的准确位置是非常关键的。通过机器视觉的执行机构,可以确定调焦手轮的位置,接下来的就是如何准确确定花瓣槽的中心坐标。另外,定位摄像机模组端面上的通光孔也是及其重要的,虽然一般情况下通光孔与花瓣槽之间的相对位置的固定的,但是也不能避免在实际生产中,通光孔与花瓣槽之间的位置发生微小的偏移,这时就需要利用机器视觉识别通光孔的准确位置。
目前实现识别的方法如下:首先是获得到相对较好的图像,从中找到需要的特征,并经过一定的换算即可以得到需要的结果。所以能拍摄到相对较好的图片是很重要的一步,目前市场上的整套智能相机普遍是通用性视觉,在某些特定的场合时,无法直接应用,需要首先进行调试。但是试调比较复杂而且价格昂贵。
发明内容
本发明的一个目的在于提供一种机器视觉识别系统的实现方法,该方法可以根据实际的需要自主选择符合要求的相机芯片与镜头,使得机器视觉识别系统的成本比使用整套智能相机时的成本降低了。
本发明的另一个目的在于提供一种机器视觉识别系统的实现方法,该方法用于识别位于一设备上具有特定形状的一产品或者该产品上某一具有特定形状的区域,并且获得识别到的该产品或该特定区域的具体坐标信息,得以使设备对该产品或该特定区域进行相应的操作。
本发明的另一个目的在于提供一种机器视觉识别系统的实现方法,该方法通过一相机模块获取图像,并通过相应的视觉软件完成对产品或特定区域的识别与定位。
本发明的另一个目的在于提供一种机器视觉识别系统的实现方法,该方法通过确定一基准位置,来获取待定位的产品或特定区域相对于该基准位置的偏差,从而实现对批量产品的快速定位,在放置产品时,产品通常会相对于基准位置发生微小的偏差,因此只需要相对于该基准位置进行微调即可以实现对产品的准确操作。
本发明的另一个目的在于提供一种机器视觉识别系统的实现方法,该方法可用于自动调焦机中,实现对摄像模组的花瓣槽和/或通光孔的识别与定位,得以使调焦手轮根据花瓣槽的位置定位并插入到花瓣槽中,对摄像模组进行调焦。
本发明的另一个目的在于提供一种机器视觉识别系统,该系统包括一相机模块,一光源以及一计算机控制系统,通过计算机控制系统的一识别软件处理相机模块获得的图像,从而实现对产品的定位以及对产品上特征区域的定位。
本发明的另一个目的在于提供一种利用上述机器视觉识别系统对一产品或产品上的一特定区域进行定位的方法。
为达到以上目的,本发明提供一种机器视觉识别系统的实现方法,所述方法用于定位一元件,所述元件为一产品或所述产品上的一特定区域,所述方法包括以下步骤:
a)将符合精度要求的一相机芯片以及一镜头组合形成一相机模组,所述相机模组用于获取图像;
b)提供一光源,使得所述相机模组可识别到所述元件;
c)获取位于基准位置时的所述元件的一注册图像R0中的一特征区域A0以及一特定点U0的坐标(x0,y0);
d)获取位于待定位置时的所述元件的图像R1中的一特征区域A1以及一特定点U1的坐标(x1,y1);
e)利用所述特定点U0的坐标(x0,y0)和所述特定点U1坐标(x1,y1),获得位于待定位置的所述元件相对于基准位置的偏差。
优选地,在步骤a)中,根据(H/C)×(V/C)计算出需要的相机芯片的像素,其中V为景物垂向尺寸,H为景物的横向尺寸,C为所述机器视觉识别系统需要的精度,根据计算出的像素选出像素相近的相机芯片,得到相机芯片的尺寸h×v,其中v为相机芯片的垂直尺寸,h为相机芯片的横向尺寸,然后根据公式f=v·D/V,f=h·D/H进行镜头的选型,其中f为镜头焦距,D为镜头至景物的距离即物距。
优选地,在步骤c)中,首先通过所述相机模组获取所述注册图像R0,然后将所述注册图像R0的信息输入一计算机控制系统,所述计算机控制系统提供一识别软件,利用所述识别软件从所述注册图像R0中提取所述特征区域A0以及所述特定点U0的坐标(x0,y0)。
优选地,在步骤c)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A0。
优选地,当所述元件的形状接近圆形时,在步骤c)中,所述识别软件利用blob技术提取所述特征区域A0以及特定点U0时,首先分割搜索范围ROI;然后对所述范围ROI进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征与所述元件的形状具有一定的相似度时,将此连通区域Region提取出来;对所述连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对所述边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标(x0,y0),得到的圆心坐标即为所述特定点U0的坐标。
优选地,在步骤d)中,首先通过所述相机模组获取所述图像R1,然后将所述图像R1的信息输入计算机控制系统,所述计算机控制系统提供一识别软件,利用所述识别软件从所述图像R1中提取所述特征区域A1以及所述特定点U1的坐标(x1,y1)。
优选地,在步骤d)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A1。
优选地,当所述元件的形状接近圆形时,在步骤d)中,所述识别软件利用blob技术提取所述特征区域A1以及特定点U1时,首先分割搜索范围ROI;然后对所述范围ROI进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征与所述元件的形状具有一定的相似度时,将此连通区域Region提取出来;对所述连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对所述边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标(x1,y1),得到的圆心坐标即为所述特定点U1的坐标。
优选地,在步骤e)中,根据公式:计算所述元件的偏差。
本发明还提供一种机器视觉识别系统的实现方法,所述方法用于定位一元件,所述元件为一产品或所述产品上的一特定区域,所述方法包括以下步骤:
A)提供一相机模块用于获取图像,一光源用于对所述相机的拍摄区域进行照明,以及一计算机控制系统用于接收所述相机模块获取的图像;
B)将一注册图像R0中的所述元件的区域即一特征区域A0,以及所述特征区域A0内的一特定点U0的坐标(x0,y0)储存于所述计算机控制系统中;
C)通过所述相机模块获取位于待定位置的所述元件的一图像R1,将所述图像R1信息输入所述计算机控制系统,利用所述计算机控制系统的一识别软件从所述图像R1中提取所述元件的区域即一特征区域A1,并获得所述特征区域A1内的一特定点U1坐标(x1,y1);
D)利用所述特定点U0的坐标(x0,y0)和所述特定点U1坐标(x1,y1),获得位于待定位置的所述元件相对于基准位置的偏差。
优选地,在步骤A)中,所述相机模块根据所述元件的尺寸以及所述元件与相机之间的物距,选择符合精度要求的相机芯片以及符合焦距要求的镜头。
优选地,在步骤B)中,所述注册图像R0为所述元件位于基准位置时获取的图像,所述特征区域A0与所述特定点U0通过所述计算机控制系统的识别软件获取。
优选地,在步骤B)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A0。
优选地,在步骤C)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A1。
优选地,在步骤D)中,根据公式:计算所述元件的偏差。
本发明还提供一种用于自动调焦机的机器视觉识别系统的实现方法,所述方法用于定位一摄像模组端面上的一花瓣槽和/或一通光孔,所述方法包括以下步骤:
i.根据所述摄像模组的尺寸以及所述摄像模组与相机之间的物距,选择符合精度要求的相机芯片以及镜头,形成一相机模组;
ii.提供一光源,使得所述相机模组适于识别到所述摄像模组;
iii.通过所述相机模组获取位于基准位置的所述摄像模组的一注册图像R0,将所述注册图像R0的信息输入一计算机控制系统,利用所述计算机控制系统的一识别软件从所述注册图像R0中提取所述花瓣槽和/或所述通光孔的区域即一特征区域A01和/或A02,并获得所述特征区域A01和/或A02内的一特定点U01和/或U02的坐标(x01,y01)和/或(x02,y02);
iv.通过所述相机模组获取位于待定位置的所述摄像模组的图像R1,将所述图像R1信息输入所述计算机控制系统,利用所述识别软件从所述图像R1中提取所述花瓣槽和/或所述通光孔的区域即一特征区域A11和/或A12,并获得所述特征区域A11和/或A12内的一特定点U11和/或U12的坐标(x11,y11)和/或(x12,y12);
v.根据所述圆心U01的坐标(x01,y01)、所述圆心U11的坐标(x11,y11)和/或所述圆心U02的坐标(x02,y02)、所述圆心U12坐标(x12,y12)计算所述花瓣槽和/或所述通光孔相对于基准位置和/或基准角度的偏差。
优选地,在步骤ⅱ)中提供一环形光源。
优选地,当所述方法既提取所述花瓣槽区域又提取所述通光孔区域时,在步骤ⅴ)中,根据θ0=arctan((x01-x02)/(y01-y02))计算所述摄像模组的旋转角度,根据θ1=arctan((x11-x12)/(y11-y12))计算位于待定位置的所述摄像模组的旋转角度。
优选地,当使用所述方法提取所述通光孔区域时,在步骤ⅲ)中,由于所述通光孔的边缘近似于圆,因此将所述通光孔的内圆作为所述通光孔的区域也即所述特征区域A02,所述特定点U02为所述内圆的圆心,所述识别软件采用blob技术提取所述特征区域A02的内圆连通域,并通过圆拟合获得所述内圆连通域的圆心U02的坐标(x02,y02)。
优选地,当使用所述方法提取所述通光孔区域时,在步骤ⅳ)中,将所述通光孔的内圆作为所述通光孔的区域也即所述特征区域A12,所述特定点U12为所述内圆的圆心,所述识别软件采用blob技术提取所述特征区域A12的内圆连通域,并通过圆拟合获得所述内圆连通域的圆心U12的坐标(x12,y12)。
优选地,当使用所述方法提取所述花瓣槽区域时,在步骤ⅲ)中,所述特征区域A01为花瓣槽,所述特定点U01为所述花瓣槽的中心,所述识别软件采用模板匹配的方法获得所述特征区域A01的以及所述花瓣槽的中心U01的坐标(x01,y01)。
优选地,当使用所述方法提取所述花瓣槽区域时,在步骤ⅳ)中,所述特征区域A11为花瓣槽,所述特定点U11为所述花瓣槽的中心,所述识别软件采用模板匹配的方法获得所述特征区域A11的以及所述花瓣槽的中心U11的坐标(x11,y11)。
本发明还提供一种机器视觉识别系统,其可用于定位一元件,所述元件为一产品或所述产品上的一特定区域,所述机器视觉识别系统包括:
一相机模块,设于所述元件附近,用于获取所述元件的图像,所述相机模块包括一相机芯片以及一镜头,所述相机芯片与所述镜头可拆卸组合,得以根据实际要求选择合适的所述相机芯片以及所述镜头;
一光源,设于所述元件附近,用于对所述相机模块要拍摄的区域进行照明;以及
一计算机控制系统,所述计算机控制系统与所述相机模块信号连接,得以使所述相机模块获取的图像输入到所述计算机控制系统内,所述计算机控制系统提供一识别软件,所述识别软件用于处理所述相机模块获取的图像,得以提取所述图像中所述元件的区域,并获取所述区域的一特定点的坐标。
本发明还提供一种利用上述机器识别系统对一元件进行定位的方法,包括以下步骤:
1)利用所述相机模块获取位于基准位置的所述元件的一注册图像R0,并通过一计算机控制系统的识别软件获取所述注册图像R0中的所述元件的区域,并获取所述区域的一特定点的坐标(x0,y0);
2)利用所述相机模块获取位于待定位置的所述元件的一图像R1,并通过所述计算机控制系统的识别软件获取所述图像R1中的所述元件的区域,并获取所述区域的一特定点的坐标(x1,y1);
3)利用坐标(x0,y0)、(x1,y1)计算待定位置的所述元件相对于基准位置的偏差。
附图说明
图1是根据本发明的一种机器视觉识别系统的实现方法的一个优选实施例的流程图。
图2是根据本发明的一种机器视觉识别系统的实现方法的一个优选实施例中提供注册图像的流程图。
图3是根据本发明的一种机器视觉识别系统的实现方法的一个优选实施例中利用blob技术从图像中提取特征区域以及特定点坐标的流程图。
图4是将本发明的一种机器视觉识别系统的实现方法应用于一自动调焦机时的识别软件的流程图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
本发明提供一种机器视觉识别系统的实现方法,所述方法利用一机器视觉识别系统对一元件进行定位。所述元件可以是一产品也可以是所述产品上的一特定区域。所述方法是一种定位所述元件相对位置的方法,在对所述元件进行定位前,首先只要提供一基准位置,所述基准位置的机械坐标信息是确定的,通过机器视觉判断位于待定位置的所述元件与所述基准位置之间的相对关系,从而得到所述元件的位置。
所述机器视觉识别系统包括一相机模块、一光源以及一计算机控制系统。
所述相机模块设于所述元件附近,用于获取所述元件的图像信息,将获取的图像信息传输给所述计算机控制系统。所述相机模块包括一相机芯片以及一镜头。因此选择所述相机模块涉及到选择合适的所述相机芯片与所述镜头。
在对所述相机的相机芯片进行选择时,可以根据所述机器视觉识别系统的精度要求与所述待识别元件的大小计算得到。设所述机器视觉识别系统的精度为C(mm),所述待识别元件大小为H(mm)×V(mm),所述待识别元件与所述相机之间的物距为D(mm)。则所述相机所需的分辨率的横向尺寸为H/C,垂向尺寸为V/C,根据(H/C)×(V/C)可以算出相机的像素,从而选出像素相近的相机,然后可以得到相机芯片的尺寸为h(mm)×v(mm)。
在对所述相机的镜头的焦距进行选择时,利用公式f=v·D/V,f=h·D/H进行选型。其中f为镜头焦距,D为镜头至景物的距离即物距,v为相机芯片的垂直尺寸,h为相机芯片的横向尺寸,V为景物垂向尺寸,H为景物的横向尺寸。
所述光源设于所述元件附近,用于照明所述元件,使得所述相机可以获取到所述元件的高质量图像。由于所述光源对获取的图像的品质有非常大的影响,因此,根据所述元件的实际情况选择合适光源是很重要的。
所述计算机控制系统与所述相机模块信息连接,得以获取所述相机模块采集到的图像,并将图像信息转化为数字信息。所述计算机控制系统提供一识别软件,所述识别软件用于处理所述相机模块获得的图像。
首先,所述识别软件需要获取一注册图像R0,所述注册图像R0是所述元件位于基准位置时拍摄的图像。
然后,所述识别软件需要对所述注册图像R0进行处理,得以从所述注册图像R0中提取需要的一特征区域A0,并且获得所述特征区域A0的位置信息,由于需要识别的就是所述元件的区域,所以所述特征区域A0也就是所说元件所在的区域。通常需要识别的所述元件的形状比较规则,例如圆形或直线,因此获取所述特征区域A0的方法可以采用blob技术。在提取出所述特征区域A0后,需要获取所述特征区域A0内的一特定点U0的坐标从而确定所述特征区域A0的位置。所述特定点U0是与所述特征区域A0换算关系确定的一点,也就是说只要所述特征区域A0的形状尺寸确定,通过一定的数学计算就可以得到所述特定点U0的坐标。通过提取所述特定点U0的坐标信息可以简化所述特征区域A0的位置信息,只要知道所述特定点U0的坐标就可以定位所述特征区域A0的位置。例如,如果所提取的所述特征区域A0为圆形,则可以将其圆心作为所述特定点U0,如果所述特征区域A0为直线可以将其中点作为所述特定点U0。
优选地,在提取所述特征区域A0之前,需要对所述注册图像R0进行预处理,例如二值化、gamma校正等,使得提取所述特征区域A0时可以得到更精确的区域。
利用blob技术提取所述特征区域A0以及特定点U0时,假设所述特征区域A0为一圆形,所述特定点U0为所述特征区域A0的圆心,则对所述注册图像R0进行搜索时设定的要求就是面积与特征都与所述特征区域A0具有一定的相似度,也就是具有圆相似度。首先需要确定搜索范围ROI,也即确定所述特征区域A0的大致范围,从而可以减少搜索时间;然后对ROI范围进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征符合要求时,将此连通区域Region提取出来;对此连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对这些边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标(x0,y0)。得到的圆心坐标(x0,y0)即为所述特定点U0的坐标。
另外,值得一提的是,在前述提取所述特征区域A0时,如果不能使用blob技术来提取,还可以通过模板匹配的方法进行提取。模板匹配需要首先在所述计算机控制系统中提供一对比模板,然后在匹配的过程中,能够与所述对比模板匹配的区域就是要提取的区域。
然后将提取的所述注册图像R0中的所述特征区域A0的信息作为模板存储在所述计算机控制系统中,作为接下来的定位所述元件的基准。储存的信息包括所述特性区域的形状,以及所述特定点的坐标。
接下来更换所述产品,所述产品的位置相对于基准位置会发生一定的偏差,此时所述产品处于一待定位置。利用所述相机模组对位于待定位置的所述元件进行拍摄,获取图像R1,从所述图像R1中提取特征区域A1,并获得所述特征区域A1的内一特定点U1的坐标,由于需要识别的就是所述元件的区域,所以所述特征区域A1也就是所述元件所在的区域。所述特定点U1是与所述特征区域A1换算关系确定的一点,也就是说只要所述特征区域A1的形状尺寸确定,通过一定的数学计算就可以得到所述特定点U1的坐标。值得一提的是,所述特定点U1和所述特征区域A1的换算关系与所述特定点U0和所述特征区域A0的换算关系相同。所述特征区域A1与A0的形状尺寸相同,但是位置可能不同,也即所述特定点U1与U0的坐标不同。所述特征区域A1与A0的位置不同时,表明待定位的所述元件相对于所述基准位置有偏差,需要计算该偏差值,如果位置相同时,则表明待定位的所述元件位于所述基准位置上,则偏差值为0。
获取所述特征区域A1和所述特定点U1的方法与获取所述特征区域A0和所述特定点U0的方法相同,可以采用blob技术或模板匹配的方法提取所述特征区域A1。
利用blob技术提取所述特征区域A1以及特定点U1时,假设所述特征区域A1为一圆形,所述特定点U1为所述特征区域A1的圆心,则对所述注册图像R0进行搜索时设定的要求就是面积与特征都与所述特征区域A0具有一定的相似度,也就是具有圆相似度。首先需要确定搜索范围ROI,也即确定所述特征区域A1的大致范围,从而可以减少搜索时间;然后对ROI范围进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征符合要求时,将此连通区域Region提取出来;对此连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对这些边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标(x1,y1)。得到的圆心坐标(x1,y1)即为所述特定点U1的坐标。
根据所述特定点U1与所述特定点U0的计算得到所述元件相对于所述基准位置的偏差从而实现对待定位置的所述元件的定位。
值得一提的是,所述注册图像R0可以是提前获取的,并提前进行了所述特征区域A0的提取以及所述特定点U0坐标的获取,并已经储存于所述计算机识别系统中。因此,本发明的所述机器视觉识别系统的实现方法可以直接获取位于待定位置的所述元件的图像R1。
图1显示了本发明的一种机器视觉识别系统的实现方法的一个优选实施例的流程图。首先获取所述注册图像R0,从所述注册图像R0中提取所述特征区域A0,获取所述特征区域A0内的所述特定点U0的坐标;然后获取待定位置的所述元件的所述图像R1;利用识别软件从所述图像R1中提取所述特征区域A1,获取所述特征区域A1内的所述特定点U1的坐标;最后根据所述特定点U1与U0计算所述元件相对于基准位置的偏差。
图2显示了在使用本发明的方法识别所述元件前,提供一注册图像R0的流程图。首先获取位于基准位置的所述元件的一注册图像R0;然后使用识别软件提取所述特征区域A0以及特定点U0的坐标;将获得的所述特征区域A0以及特定点U0的坐标信息储存于所述计算机控制系统中。
图3是根据本发明的所述方法,利用blob技术从图像中提取特征区域以及特定点坐标的流程图。首先确定搜索范围ROI;然后对ROI范围进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征符合要求时,将此连通区域Region提取出来;对此连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对这些边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标,得到的圆心坐标即为所述特定点的坐标。
在自动化设备的操作过程中,通常涉及一主动元件以及一被动元件,所述主动元件适于对所述被动元件进行各种操作。所述主动元件在一执行机构的带动下可以在各个位置和角度移动。工作时,所述主动元件需要移动到所述被动元件的某一特定区域,与所述被动元件接合,然后对所述被动机构进行相应的操作。例如在手机摄像模组的自动调焦过程中,涉及到一调焦手轮以及一待调焦摄像模组,所述调焦手轮可以看作所述主动元件,所述待调焦摄像模组看作是所述被动元件。在进行调焦时,需要调整所述调焦手轮与所述待调焦摄像模组的花瓣槽的相对位置,从而使所调焦手轮能够准确插入所述花瓣槽内对所述待调焦摄像模组进行调焦操作。同时也要确定所述摄像模组上的通光孔的准确位置。这时准确定位所述花瓣槽和/所述通光孔的位置就显得非常重要了。另外在调整镜头与芯片之间的位置与角度时,也涉及到对两元件的精确定位。
下面以自动调焦机为例,详细地介绍利用本发明的所述定位方法对在自动调焦机上的摄像模组的花瓣槽和通光孔进行定位。
首先,提供的摄像模组的大小约为10mm×10mm(H×V),设备的精度要求C大约为50μm,根据公式(H/C)×(V/C)算出所需相机的分辨率为200×200左右,则选择分辨率640×480的30万像素的相机芯片(CCD),此时CCD的芯片尺寸为,也即相机芯片的尺寸为h×v为4.8mm×3.6mm。
物距为100mm,根据焦距公式f=v·D/V,f=h·D/H进行选择。根据计算结果得出选择f=30mm的镜头。可以选择25mm的镜头加接圈的形式。
至于光源的选择,由于产品的特征区域和反光区域都是圆形,因此选择环形光源。
接下来,在计算机控制系统上,根据摄像模组的特征主要选择模板匹配和blob技术来识别。首先获取注册图像R0,即将一摄像模组置于基准位置获取其图像。在所述注册图像R0中进行所述摄像模组的花瓣槽的识别,采用模板匹配的方法来识别所述注册图像R0中的花瓣槽区域,并计算所述花瓣槽区域的中心坐标(x01,y01)。在所述注册图像R0中进行所述通光孔的识别,采用blob技术从所述注册图像R0中提取内圆连通域,然后用亚像素点的边缘检测和最小二乘法的圆拟合,来提取内圆的圆心坐标(x02,y02),也即获得所述通光孔的圆心坐标。根据所述花瓣槽与所述通光孔的中心坐标,计算所述摄像模组的旋转角度:θ0=arctan((x01-x02)/(y01-y02))。
然后切换另一摄像模组,重复上述步骤。首先获取所述摄像模组位于该待定位置的图像R1。在所述图像R1中进行所述摄像模组的花瓣槽的识别,采用模板匹配的方法来识别所述图像R1中的花瓣槽区域,并计算所述花瓣槽区域的中心坐标(x11,y11)。在所述图像R1中进行所述通光孔的识别,采用blob技术从所述图像R1中提取内圆连通域,然后用亚像素点的边缘检测和最小二乘法的圆拟合,来提取内圆的圆心坐标(x12,y12),也即获得所述通光孔的圆心坐标。根据所述花瓣槽与所述通光孔的中心坐标,计算所述摄像模组的旋转角度:θ1=arctan((x11-x12)/(y11-y12))。
同时可获得相对于基准位置的位移偏差
图4显示了本发明的机器视觉识别系统的实现方法用于定位所述摄像模组的花瓣槽的流程图。首先注册图像,对所述注册图像R0进行中值滤波处理,然后分割出花瓣槽区域,创建模板,然后采集图像Image1,对所述图像Image1进行中值滤波处理,然后做阈值分割,提取内圆连通域,如果没有提取到符合要求的内圆连通域,则返回重新采集所述图像Image1,直到提取到符合要求的所述内圆连通域,然后对所述内圆连通域做膨胀腐蚀处理,得到内圆区域,对所述内圆区域做亚像素点阈值分割,提取内圆边缘,对所述内圆边缘做圆拟合得到圆心坐标circle(x,y),然后对所述图像Image1进行花瓣槽的模板匹配,如果没有匹配成功,则重新获取所述图像Image1,如果匹配成功,得到所述图像Image1的花瓣槽区域Rec。然后获取图像R1,采集图像Image2,对Image2进行花瓣槽的模板匹配,如果没有匹配成功,则重新获取Image2,如果匹配成功,则得到Image2中的花瓣槽区域Rec,对Rec求中心坐标slot(x,y),通过circle(x,y)和slot(x,y)两点求出偏差。
本领域的技术人员应理解,上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明,在没有背离所述原理下,本发明的实施方式可以有任何变形或修改。
Claims (24)
1.一种机器视觉识别系统的实现方法,所述方法用于定位一元件,所述元件为一产品或所述产品上的一特定区域,其特征在于,所述方法包括以下步骤:
a)将符合精度要求的一相机芯片以及一镜头组合形成一相机模组;
b)提供一光源,使得所述相机模组可识别到所述元件;
c)获取位于基准位置时的所述元件的一注册图像R0中的一特征区域A0以及一特定点U0的坐标(x0,y0);
d)获取位于待定位置时的所述元件的一图像R1中的一特征区域A1以及一特定点U1的坐标(x1,y1);
e)利用所述特定点U0的坐标(x0,y0)和所述特定点U1的坐标(x1,y1),获得位于待定位置的所述元件相对于基准位置的偏差。
2.如权利要求1所述的机器视觉识别系统的实现方法,其中,在步骤a)中,根据(H/C)×(V/C)计算出需要的相机芯片的像素,其中V为景物垂向尺寸,H为景物的横向尺寸,C为所述机器视觉识别系统需要的精度,根据计算出的像素选出像素相近的相机芯片,得到相机芯片的尺寸h×v,其中v为相机芯片的垂直尺寸,h为相机芯片的横向尺寸,然后根据公式f=v·D/V,f=h·D/H进行镜头的选型,其中f为镜头焦距,D为镜头至景物的距离即物距。
3.如权利要求1所述的机器视觉识别系统的实现方法,其中,在步骤c)中,首先通过所述相机模组获取所述注册图像R0,然后将所述注册图像R0的信息输入一计算机控制系统,所述计算机控制系统提供一识别软件,利用所述识别软件从所述注册图像R0中提取所述特征区域A0以及所述特定点U0的坐标(x0,y0)。
4.如权利要求3所述的机器视觉识别系统的实现方法,在步骤c)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A0。
5.如权利要求3所述的机器视觉识别系统的实现方法,在步骤c)中,当所述元件的形状接近圆形时,所述识别软件利用blob技术提取所述特征区域A0以及特定点U0时,首先分割搜索范围ROI;然后对所述范围ROI进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征与所述元件的形状具有一定的相似度时,将此连通区域Region提取出来;对所述连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对所述边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径和圆心坐标(x0,y0),得到的圆心坐标即为所述特定点U0的坐标。
6.如权利要求1或3所述的机器视觉识别系统的实现方法,其中在步骤d)中,首先通过所述相机模组获取所述图像R1,然后将所述图像R1的信息输入计算机控制系统,所述计算机控制系统提供一识别软件,利用所述识别软件从所述图像R1中提取所述特征区域A1以及所述特定点U1的坐标(x1,y1)。
7.如权利要求6所述的机器视觉识别系统的实现方法,在步骤d)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A1。
8.如权利要求6所述的机器视觉识别系统的实现方法,在步骤d)中,当所述元件的形状接近圆形时,所述识别软件利用blob技术提取所述特征区域A1以及特定点U1时,首先分割搜索范围ROI;然后对所述范围ROI进行阈值分割,分割出若干的连通区域;对这些连通域进行搜索,当面积和特征与所述元件的形状具有一定的相似度时,将此连通区域Region提取出来;对所述连通区域Region进行亚像素点的边缘检测,得到若干边缘Edges;对所述边缘Edges进行最小二乘法的圆拟合,得到一个圆,计算该圆的半径r和圆心坐标(x1,y1),得到的圆心坐标即为所述特定点U1的坐标。
9.如权利要求1所述的机器视觉识别系统的实现方法,其中,在步骤e)中,根据公式: 计算所述元件的偏差。
10.一种机器视觉识别系统的实现方法,所述方法用于定位一元件,所述元件为一产品或所述产品上的一特定区域,所述方法包括以下步骤:
A)提供一相机模块用于获取图像,一光源用于对所述相机的拍摄区域进行照明,以及一计算机控制系统用于接收所述相机模块获取的图像;
B)将一注册图像R0中的所述元件的区域即一特征区域A0,以及所述特征区域A0内的一特定点U0的坐标(x0,y0)储存于所述计算机控制系统中;
C)通过所述相机模块获取位于待定位置的所述元件的一图像R1,将所述图像R1信息输入所述计算机控制系统,利用所述计算机控制系统的一识别软件从所述图像R1中提取所述元件的区域即一特征区域A1,并获得所述特征区域A1内的一特定点U1坐标(x1,y1);
D)利用所述特定点U0的坐标(x0,y0)和所述特定点U1坐标(x1,y1),获得位于待定位置的所述元件相对于基准位置的偏差。
11.如权利要求10所述的机器视觉识别系统的实现方法,其中,在步骤A)中,所述相机模块根据所述元件的尺寸以及所述元件与相机之间的物距,选择符合精度要求的一相机芯片以及符合焦距要求的一镜头。
12.如权利要求11所述的机器视觉识别系统的实现方法,其中,在步骤B)中,所述注册图像R0为所述元件位于基准位置时获取的图像,所述特征区域A0与所述特定点U0通过所述计算机控制系统的识别软件获取。
13.如权利要求12所述的机器视觉识别系统的实现方法,其中,在步骤B)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A0。
14.如权利要求12所述的机器视觉识别系统的实现方法,其中,在步骤C)中,所述识别软件利用blob技术或模板匹配的方法提取所述特征区域A1。
15.如权利要求12所述的机器视觉识别系统的实现方法,其中,在步骤D)中,根据公式: 计算所述元件的偏差。
16.一种用于自动调焦机的机器视觉识别系统的实现方法,所述方法用于定位一摄像模组端面上的一花瓣槽和/或一通光孔,所述方法包括以下步骤:
i.根据所述摄像模组的尺寸以及所述摄像模组与相机之间的物距,选择符合精度要求的相机芯片以及镜头,形成一相机模组;
ii.提供一光源,使得所述相机模组识别到所述摄像模组;
iii.通过所述相机模组获取位于基准位置的所述摄像模组的一注册图像R0,将所述注册图像R0的信息输入一计算机控制系统,利用所述计算机控制系统的一识别软件从所述注册图像R0中提取所述花瓣槽和/或所述通光孔的区域即一特征区域A01和/或A02,并获得所述特征区域A01和/或A02内的一特定点U01和/或U02的坐标(x01,y01)和/或(x02,y02);
iv.通过所述相机模组获取位于待定位置的所述摄像模组的图像R1,将所述图像R1信息输入所述计算机控制系统,利用所述识别软件从所述图像R1中提取所述花瓣槽和/或所述通光孔的区域即一特征区域A11和/或A12,并获得所述特征区域A11和/或A12内的一特定点U11和/或U12的坐标(x11,y11)和/或(x12,y12);
v.根据所述圆心U01的坐标(x01,y01)、所述圆心U11的坐标(x11,y11)和/或所述圆心U02的坐标(x02,y02)、所述圆心U12坐标(x12,y12)计算所述花瓣槽和/或所述通光孔相对于基准位置和/或基准角度的偏差。
17.如权利要求16所述的机器视觉识别系统的实现方法,其中,在步骤ⅱ)中提供一环形光源。
18.如权利要求16所述的机器视觉识别系统的实现方法,其中,当所述方法既提取所述花瓣槽区域又提取所述通光孔区域时,在步骤ⅴ)中,根据θ0=arctan((x01-x02)/(y01-y02))计算所述摄像模组的旋转角度,根据θ1=arctan((x11-x12)/(y11-y12))计算位于待定位置的所述摄像模组的旋转角度。
19.如权利要求16所述的机器视觉识别系统的实现方法,当使用所述方法提取所述通光孔区域时,在步骤ⅲ)中,由于所述通光孔的边缘近似于圆,因此将所述通光孔的内圆作为所述通光孔的区域也即所述特征区域A02,所述特定点U02为所述内圆的圆心,所述识别软件采用blob技术提取所述特征区域A02的内圆连通域,并通过圆拟合获得所述内圆连通域的圆心U02的坐标(x02,y02)。
20.如权利要求19所述的机器视觉识别系统的实现方法,当使用所述方法提取所述通光孔区域时,在步骤ⅳ)中,将所述通光孔的内圆作为所述通光孔的区域也即所述特征区域A12,所述特定点U12为所述内圆的圆心,所述识别软件采用blob技术提取所述特征区域A12的内圆连通域,并通过圆拟合获得所述内圆连通域的圆心U12的坐标(x12,y12)。
21.如权利要求16所述的机器视觉识别系统的实现方法,当使用所述方法提取所述花瓣槽区域时,在步骤ⅲ)中,所述特征区域A01为花瓣槽,所述特定点U01为所述花瓣槽的中心,所述识别软件采用模板匹配的方法获得所述特征区域A01的以及所述花瓣槽的中心U01的坐标(x01,y01)。
22.如权利要求21所述的机器视觉识别系统的实现方法,当使用所述方法提取所述花瓣槽区域时,在步骤ⅳ)中,所述特征区域A11为花瓣槽,所述特定点U11为所述花瓣槽的中心,所述识别软件采用模板匹配的方法获得所述特征区域A11的以及所述花瓣槽的中心U11的坐标(x11,y11)。
23.一种机器视觉识别系统,其可用于定位一元件,所述元件为一产品或所述产品上的一特定区域,所述机器视觉识别系统包括:
一相机模块,设于所述元件附近,用于获取所述元件的图像,所述相机模块包括一相机芯片以及一镜头,所述相机芯片与所述镜头可拆卸组合,得以根据实际要求选择合适的所述相机芯片以及所述镜头;
一光源,设于所述元件附近,用于对所述相机模块要拍摄的区域进行照明;以及;
一计算机控制系统,所述计算机控制系统与所述相机模块信号连接,得以使所述相机模块获取的图像输入到所述计算机控制系统内,所述计算机控制系统提供一识别软件,所述识别软件用于处理所述相机模块获取的图像,得以提取所述图像中所述元件的区域,并获取所述区域的一特定点的坐标。
24.一种利用权利要求23所述的机器识别系统对一元件进行定位的方法,包括以下步骤:
1)利用所述相机模块获取位于基准位置的所述元件的一注册图像R0,并通过一计算机控制系统的识别软件获取所述注册图像R0中的所述元件的区域,并获取所述区域的一特定点的坐标(x0,y0);
2)利用所述相机模块获取位于待定位置的所述元件的一图像R1,并通过所述计算机控制系统的识别软件获取所述图像R1中的所述元件的区域,并获取所述区域的一特定点的坐标(x1,y1);
3)利用坐标(x0,y0)、(x1,y1)计算待定位置的所述元件相对于基准位置的偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410691670.2A CN105701492B (zh) | 2014-11-25 | 2014-11-25 | 一种机器视觉识别系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410691670.2A CN105701492B (zh) | 2014-11-25 | 2014-11-25 | 一种机器视觉识别系统及其实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701492A true CN105701492A (zh) | 2016-06-22 |
CN105701492B CN105701492B (zh) | 2019-10-18 |
Family
ID=56941121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410691670.2A Active CN105701492B (zh) | 2014-11-25 | 2014-11-25 | 一种机器视觉识别系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701492B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106931912A (zh) * | 2016-12-30 | 2017-07-07 | 西安航天精密机电研究所 | 一种用于检验力矩器的方法 |
CN107271446A (zh) * | 2017-07-26 | 2017-10-20 | 江南大学 | 一种发动机正时齿轮室胶线的视觉检测方法 |
CN107796825A (zh) * | 2016-09-01 | 2018-03-13 | 宁波舜宇光电信息有限公司 | 器件检测方法 |
CN107798683A (zh) * | 2017-11-10 | 2018-03-13 | 珠海格力智能装备有限公司 | 产品特定区域边缘检测方法、装置及终端 |
CN108122230A (zh) * | 2018-01-10 | 2018-06-05 | 广东工业大学 | 图像块的识别方法、装置及倒装芯片的焊球位置识别系统 |
CN108188835A (zh) * | 2017-12-08 | 2018-06-22 | 西安交通大学 | 基于机器视觉的数控机床主轴热伸长测试装置及测试方法 |
CN109186453A (zh) * | 2018-08-31 | 2019-01-11 | 广东工业大学 | 一种基于机器视觉的电纺直写喷头的定位方法 |
CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
CN110008955A (zh) * | 2019-04-01 | 2019-07-12 | 中国计量大学 | 一种汽车刹车片表面字符压印质量检验方法 |
CN111161208A (zh) * | 2019-11-21 | 2020-05-15 | 深圳航天智控科技有限公司 | 图像检测方法和装置 |
CN112440011A (zh) * | 2020-11-13 | 2021-03-05 | 松山湖材料实验室 | 导向叶片对冲气膜孔自动化定位加工方法 |
CN114024106A (zh) * | 2021-11-03 | 2022-02-08 | 合肥国轩高科动力能源有限公司 | 一种圆柱电池注液孔对孔方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070086649A1 (en) * | 2005-10-14 | 2007-04-19 | Microsoft Corporation | Modeling Micro-Structure For Feature Extraction |
CN103729655A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种用于片式元件视觉定位的检测方法 |
-
2014
- 2014-11-25 CN CN201410691670.2A patent/CN105701492B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070086649A1 (en) * | 2005-10-14 | 2007-04-19 | Microsoft Corporation | Modeling Micro-Structure For Feature Extraction |
CN103729655A (zh) * | 2014-01-22 | 2014-04-16 | 哈尔滨工业大学 | 一种用于片式元件视觉定位的检测方法 |
Non-Patent Citations (1)
Title |
---|
李婷等: ""基于机器视觉的圆定位技术研究"", 《计算机工程与应用》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107796825A (zh) * | 2016-09-01 | 2018-03-13 | 宁波舜宇光电信息有限公司 | 器件检测方法 |
CN107796825B (zh) * | 2016-09-01 | 2021-01-05 | 宁波舜宇光电信息有限公司 | 器件检测方法 |
CN106931912A (zh) * | 2016-12-30 | 2017-07-07 | 西安航天精密机电研究所 | 一种用于检验力矩器的方法 |
CN106931912B (zh) * | 2016-12-30 | 2019-03-05 | 西安航天精密机电研究所 | 一种用于检验力矩器的方法 |
CN107271446A (zh) * | 2017-07-26 | 2017-10-20 | 江南大学 | 一种发动机正时齿轮室胶线的视觉检测方法 |
CN107271446B (zh) * | 2017-07-26 | 2020-01-10 | 江南大学 | 一种发动机正时齿轮室胶线的视觉检测方法 |
CN107798683A (zh) * | 2017-11-10 | 2018-03-13 | 珠海格力智能装备有限公司 | 产品特定区域边缘检测方法、装置及终端 |
CN108188835A (zh) * | 2017-12-08 | 2018-06-22 | 西安交通大学 | 基于机器视觉的数控机床主轴热伸长测试装置及测试方法 |
CN108122230A (zh) * | 2018-01-10 | 2018-06-05 | 广东工业大学 | 图像块的识别方法、装置及倒装芯片的焊球位置识别系统 |
CN108122230B (zh) * | 2018-01-10 | 2022-06-24 | 广东工业大学 | 图像块的识别方法、装置及倒装芯片的焊球位置识别系统 |
CN109186453A (zh) * | 2018-08-31 | 2019-01-11 | 广东工业大学 | 一种基于机器视觉的电纺直写喷头的定位方法 |
CN110008955B (zh) * | 2019-04-01 | 2020-12-15 | 中国计量大学 | 一种汽车刹车片表面字符压印质量检验方法 |
CN110008955A (zh) * | 2019-04-01 | 2019-07-12 | 中国计量大学 | 一种汽车刹车片表面字符压印质量检验方法 |
CN109900711A (zh) * | 2019-04-02 | 2019-06-18 | 天津工业大学 | 基于机器视觉的工件缺陷检测方法 |
CN111161208A (zh) * | 2019-11-21 | 2020-05-15 | 深圳航天智控科技有限公司 | 图像检测方法和装置 |
CN112440011A (zh) * | 2020-11-13 | 2021-03-05 | 松山湖材料实验室 | 导向叶片对冲气膜孔自动化定位加工方法 |
CN112440011B (zh) * | 2020-11-13 | 2022-08-02 | 松山湖材料实验室 | 导向叶片对冲气膜孔自动化定位加工方法 |
CN114024106A (zh) * | 2021-11-03 | 2022-02-08 | 合肥国轩高科动力能源有限公司 | 一种圆柱电池注液孔对孔方法和系统 |
CN114024106B (zh) * | 2021-11-03 | 2024-03-12 | 合肥国轩高科动力能源有限公司 | 一种圆柱电池注液孔对孔方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105701492B (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701492A (zh) | 一种机器视觉识别系统及其实现方法 | |
CN103759648B (zh) | 一种基于激光双目视觉的复杂角焊缝位置检测方法 | |
CN100547351C (zh) | 一种机器视觉定位方法 | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
US8244040B2 (en) | Object position recognition system, object positioning system, and system and method for adjoining objects | |
CN110524301B (zh) | 电机定子加工定位的方法 | |
CN105991913B (zh) | 一种基于机器视觉定位摄像模组的花瓣槽角度的方法 | |
CN107705304B (zh) | 一种定位方法及装置 | |
CN102636120A (zh) | Led芯片视觉伺服二次定位系统及其定位方法 | |
CN104792312A (zh) | 以定距三球为视觉标志物的室内自动运输车定位系统 | |
CN106269548A (zh) | 一种物体自动分拣方法及其装置 | |
JP2011043969A (ja) | 画像特徴点抽出方法 | |
CN113538583A (zh) | 一种工件在机床上位置的精准定位方法及视觉系统 | |
CN111243016B (zh) | 一种集装箱自动识别与定位方法 | |
CN107895344B (zh) | 视频拼接装置及方法 | |
CN107895166B (zh) | 基于特征描述子的几何哈希法实现目标鲁棒识别的方法 | |
JP2017173142A (ja) | 画像処理装置、画像処理方法およびミクロジョイント切断システム | |
CN110519508A (zh) | 一种在摄像模组自动调心过程中识别特征对象的方法 | |
CN105335971A (zh) | 基于图像的工件加工精确定位方法 | |
CN110728703B (zh) | 可见光图像与日盲紫外光图像的配准融合方法 | |
CN105718929B (zh) | 全天候未知环境下高精度快速圆形目标定位方法和系统 | |
CN108520533B (zh) | 一种面向工件定位的多维度特征配准方法 | |
CN105425724A (zh) | 一种基于机器视觉扫描成像的高精度运动定位方法及装置 | |
JP2010091525A (ja) | 電子部品のパターンマッチング方法 | |
CN115187769A (zh) | 一种定位方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |