CN107292309B - 一种无色差刻印字符识别方法 - Google Patents

Abstract

本发明涉及一种无色差刻印字符识别方法，其特征在于具体的识别步骤如下：步骤1：使用线结构光3D传感器对立体字符进行点云数据扫描；步骤2：应用总体最小二乘法构建初始点云数据的平面方程。步骤3：利用步骤2拟合出的平面方程切割整体点云数据，将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点，这些点进行保留。步骤4：从该平面的法线方向显示剩余的点云，即可得到字符的图像。其利用刻印字符的深度信息，通过线结构光传感器采集字符深度图像信息，结合总体最小二乘平面拟合，完成对图像中字符信息提取的方法，即基于总体最小二乘法的无色差立体字符的点云处理方法。

Description

一种无色差刻印字符识别方法

技术领域

本发明涉及一种无色差刻印字符识别方法，用于工业产品标识的识别领域。

背景技术

机械加工工件表面通常都有通过冲头或激光加工出的数字及英文字母。这些数字或英文字母用于标识工件的生产日期、生产批次、零件名称、零件号以及操作员等信息，是生产组织及管理、产品质量监控和产品物流跟踪及售后追溯的重要媒介。

通过冲头或激光在工件表面加工出的字符，与工件表面上的喷涂、印刷字符或粘贴纸质标签相比，是刻印在工件表面上的。这种刻印在工件表面的字符具有一定的深度信息，是空间立体字符，具有耐污损及耐划伤的特点，能够适应高温、清洗及高速旋转等各种恶劣的工业环境及产品工作状况，具有表面喷涂、印刷字符或粘贴纸质标签不可比拟的环境稳定性优势，目前已被广泛的应用到各种工业产品之上。

工件表面上的刻印字符与工件表面背景没有色差，应用传统的光学字符识别方法对其进行识别，字符识别的正确率较低，无法应用在工业生产中。

发明内容

本发明的目的在于提供一种无色差刻印字符识别方法，其利用刻印字符的深度信息，通过线结构光传感器采集字符深度图像信息，结合总体最小二乘平面拟合，完成对图像中字符信息提取的方法，即基于总体最小二乘法的无色差立体字符的点云处理方法。

本发明的技术方案是这样实现的：一种无色差刻印字符识别方法，其特征在于具体的识别步骤如下：

步骤1：使用线结构光3D传感器对立体字符进行点云数据扫描。将线激光器发出的结构光垂直投射到刻印字符区域表面，由于刻印字符在工件表面形成不同的深度信息，结构光光线的形状在字符深度变化区域会发生变形；CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状，并根据预先标定的激光器与摄像机的几何位置关系来计算结构光光线的三维坐标值，这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓；通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域，就可以得到初始的包含所有被测立体字符信息的点云数据。

步骤2：应用总体最小二乘法构建初始点云数据的平面方程。由于通过冲头加工的字符与字符所在的平面在深度方向有一定的距离（一般为0.5毫米），构建平面方程时，字符的深度信息影响了被加工平面正确的建立，所以应该剔除。剔除点云中字符所在的数据点，重新构建平面方程。

步骤3：利用步骤2拟合出的平面方程切割整体点云数据，将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点，这些点进行保留。

步骤4：从该平面的法线方向显示剩余的点云，即可得到字符的图像。

本发明的积极效果是其根据刻印字符与背景无色差、具有深度信息的特点，通过线结构光传感器采集包含字符深度图像信息的点云数据，结合总体最小二乘平面拟合方法，将字符信息在点云数据中分离，在字符点云深度数据中提取字符的轮廓信息，即基于总体最小二乘法的无色差立体字符的点云处理方法。本发明考虑到整个系统观测向量误差与系数矩阵误差，可获得相对更加准确的平面参数，从而能够提取出精确的字符信息。并利用点云数据标准差，将异常点剔除，从而获取稳健的平面参数。本发明解决无色差刻印字符高质量数据采集及数据处理问题。

附图说明

图1为本发明的总体最小二乘法平面拟合方法的流程图。

图2为刻印字符的样本。

图3为字符的原始点云信息图。

图4为字符信息图。

具体实施方式

下面以列车轮对轴端刻印的字符的实施为例来对本发明做进一步的描述：如图1所示为本发明方法的流程图。流程图中描述了从获取点云开始直至字符输出的点云数据处理的步骤。

列车轮对轴端刻印的字符信息如图2所示。刻印字符与印刷字符等传统的工业字符相比，是空间立体字符，字符与背景没有色差，无法直接应用传统的光学字符识别方法对其进行识别。因此，本发明利用刻印在轮对轴端上字符的深度信息，通过线结构光传感器采集轴端刻印字符的深度图像信息。

图像采集系统包含结构光传感器和数据采集卡两部分。结构光传感器由AT相机和线激光器组成。将线激光器发出的结构光垂直投射到轮对轴端刻印字符区域表面，由于刻印字符在轮对轴端表面上形成不同的深度信息，线激光器发出的直线形状的结构光光线在字符深度变化区域会发生形状变化。CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状变化，并根据预先标定的激光器与CCD摄像机的几何位置关系来计算结构光光线的三维坐标值，这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓。通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域，就可以得到初始的包含所有被测立体字符信息的点云数据，得到的点云数据如图3所示。

步骤2：应用总体最小二乘法构建初始点云数据的平面方程。由于机械加工的字符与被加工平面在深度方向有一定的距离，通常是0.5毫米左右。在构建平面方程时，字符的深度信息影响了被加工平面正确的建立，所以应该剔除。剔除点云中字符所在的数据点，重新应用总体最小二乘法构建平面方程。

总体最小二乘法是根据最小二乘法演变而来的一种较为先进的算法。与传统的最小二乘法相比，总体最小二乘法优势在于可以同时减少系数矩阵与观测值的随机误差对计算结果的影响，数据模型中系数矩阵的元素不是常数而是由观测值或其他计算结果组成的情况下，系数矩阵一定包含测量误差，此种情况应用总体最小二乘法求解会得到比最小二乘法更加准确的结果。

总体最小二乘法的推导公式如下：

设待拟合的三维空间平面方程的公式（1）为：

式（1）中，a，b，c为待拟合平面的参数值。

把式（1）转换成矩阵形式（2）：

式（2）中，

假设当系数矩阵与观测值都含有误差，变量含误差的数学模型（3）为：

式(3)中，Z为观测向量，A为系数矩阵。设和分别是观测值测量误差和系数矩阵的测量误差，并且二者服从正态分布且相互独立，具有相同的方差并且均值为0。设定矩阵A的秩， 是维度的观测值向量，其中是维度的系数矩阵，并且是维度的待估参数。

同时考虑到观测值测量误差和系数矩阵的测量误差总体最小二乘法的公式（4）为：

式(6-8)中，min函数为求取最小值，表示范数；为维度的增广矩阵。

假设一个矩阵M维度为，则其范数公式（5）为：

式(5)中，为矩阵M中第i行第j列的值，为矩阵的求迹运算符号，为矩阵M的转置。

将公式（5）所述增广矩阵进行奇异值分解可得（6）：

在式(6)中，其中并且为的转置矩阵。其中，其中，且。所以，当且的情况下，系数矩阵与观测值的总体最小二乘估计公式（7）表达为：

在式(6-11)中，分别为各自矩阵的估计值。其中。

向量作为的零空间，即待求参数的总体最小二乘估计可通过奇异值分解法求出，如公式（8）所示：

为矩阵的估计值。设定系数矩阵及观测值得改正数为公式（9）：

由于是的最小特征值的特征向量，所以可得出公式（10）：

…………(10)

由公式（10）可推导出公式（11）：

为的转置矩阵，为单位矩阵。当且的情况下，为正定矩阵，所以待求参数的总体最小二乘法估计见公式（12）为：

在不同的测量系统中，三维线结构光的测量误差表达方式也不相同。一般来说，在三维线结构光测量系统中，主要的误差来源基于几个方面：测量系统的机械结构误差、图像数据传感器参数设定误差、摄像机的镜头参数设定误差以及被测元素的特征的影响及提取的算法带来的误差。在使用线结构光传感器对列车轮对字符进行扫描时，由于上述各种因素影响，必然使得获取的点云数据存在测量误差甚至存在异常点。并且刻印字符具有一定的深度，字符表面轮廓均在轮对端面平面之下。在首次应用总体最小二乘法拟合平面时，各种测量误差、异常点及刻印字符都参与了计算。因此为了提高平面拟合的精度，应去除三维点云数据中的测量异常点及对应的刻印字符信息的表面轮廓点，以获取精确的拟合平面参数a、b、c的估计值。其中具体的流程如下：

首先，应用总体最小二乘法拟合初始的平面参数a、b、c估计值。

然后，根据初始的a、b、c值采用公式（13）：

计算点云数据中每个数据点距离的标准差，其中。当的情况下，该点被认为是异常点，并予以删除，反之则保留。最后，应用总体最小二乘法在保留下来的点云数据中重新拟合平面，并重新计算待估参数a、b、c，则可获得相对更加准确的平面参数。

步骤3：利用步骤2拟合出的平面方程切割整体点云数据，将点云数据中低于该平面0.3毫米以下的点判定为带有字符深度信息的点，这些点进行保留。

步骤4：从该平面的法线方向显示剩余的点云，即可得到字符的图像如图4所示。

Claims (1)

1.一种无色差刻印字符识别方法，其特征在于具体的识别步骤如下：

步骤1：使用线结构光3D传感器对立体字符进行点云数据扫描，将线激光器发出的结构光垂直投射到刻印字符区域表面，由于刻印字符在工件表面形成不同的深度信息，结构光光线的形状在字符深度变化区域会发生变形；CCD摄像机在与激光器成30°~ 40°的角度位置上拍摄结构光光线的形状，并根据预先标定的激光器与摄像机的几何位置关系来计算结构光光线的三维坐标值，这些三维坐标值在激光平面上的投影即为该光线处刻印字符横截面轮廓；通过将激光器发出的线结构光从上到下或从左到右扫描整个被测字符区域，就可以得到初始的包含所有被测立体字符信息的点云数据；

步骤2：应用总体最小二乘法构建初始点云数据的平面方程，由于通过冲头加工的字符与字符所在的平面在深度方向有一定的距离为0.5毫米，构建平面方程时，字符的深度信息影响了被加工平面正确的建立，所以应该剔除，剔除点云中字符所在的数据点，重新构建平面方程；

步骤3：利用步骤2拟合出的新构建平面来切割整体点云数据，将点云数据中低于新构建平面0.3毫米的点判定为带有字符深度信息的点，这些点进行保留；

步骤4：从该平面的法线方向显示剩余的点云，即可得到字符的图像。