CN108109154A - 一种工件的新型定位及数据获取方法 - Google Patents

Abstract

本发明公开了一种工件的新型定位及数据获取方法，该方法包括：S1，对工件进行图像采集并进行预处理；S2，选择改进的轮廓检测方法提取工件的轮廓；S3，采用主轴法来寻找工件轮廓的最小外接矩形；S4，获取工件的矢量数据信息。本发明方案利用机器视觉技术，采用改进的图像处理、轮廓检测、最小外接矩形检测方法，实现了准确快速实时地对目标工件进行定位，并获取矢量数据信息。

Description

一种工件的新型定位及数据获取方法

技术领域

本发明属于机器人视觉定位及抓取领域，涉及一种工件的新型定位及数据获取方法。

背景技术

21世纪以来，随着机器人技术的不断成熟，机器人技术得到了更广泛应用。从工业机器人发展到服务型机器人，机器人逐渐走入了人们的日常生活当中，给我们带来了诸多方便。随着人类物质生活水平的提高及精神生活的日益丰富，未来机器人将跟人类更密切的联系在一起。

在工业机器人领域，原有的机器人产品通过在线示教和离线编程来实现自动化工作，操作对象的初始位置和终止位置都被严格限定，机器人只能完成点到点的任务动作，无法完成外部参数不断变化的操作任务。

为提高机器人的柔性生产能力和自动化生产程度，保证机器人顺利高效的完成工作任务以及生产中的人身安全，引入机器视觉技术，装备具备视觉感知能力的机器人，实现对目标物体的识别和定位，具有十分重要的意义。

申请公布号为CN106003036A的发明专利申请公开了“一种基于双目视觉引导的物体抓取与放置系统”，该系统使用双目视觉完成目标物体识别与定位的方法，引导机械臂完成对目标物体的抓取与放置动作。该发明专利申请可以实现对目标对象的快速、非接触三维定位，但双目视觉对应点难以匹配，仅能应用于具有显著特征的目标对象，并不广泛适用。

论文“基于Kinect的机械臂目标抓取，智能系统学报,2013,8(2):149-155，韩峥,刘华平,黄文炳,等”，利用Kinect实现目标识别与定位，其定位前采用张正友棋盘标定法标定摄像头内外参数，在识别物体时采用基于深度信息的背景相减法，但该方法只适用于物体变动检测。

发明内容

本发明目的在于提供一种工件的新型定位及数据获取方法，利用机器视觉技术，采用改进的图像处理、轮廓检测、最小外接矩形检测方法，实现了准确快速实时地对目标工件进行定位，并获取矢量数据信息，有效地解决了现有机器人无法及时适应工作环境或目标对象发生变化，导致操作失败，从而无法满足柔性生产系统的要求。

为解决上述技术问题，本发明采用如下的技术方案：一种工件的新型定位及数据获取方法，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，选择改进的轮廓检测方法提取工件的轮廓；S3，采用主轴法来寻找工件轮廓的最小外接矩形；S4，获取工件的矢量数据信息。

进一步地，所述步骤S1中，对工件图像的预处理包括：图像采集、灰度处理、图像滤波以及二值化。

进一步地，所述步骤S2中，轮廓检测采用的是改进的基于Canny算子轮廓检测方法。

本发明与现有技术相比具有以下的有益效果：

本发明方案利用机器视觉技术，采用改进的图像处理、轮廓检测、最小外接矩形检测方法，实现了准确快速实时地对目标工件进行定位，并获取矢量数据信息。

附图说明

图1是本发明的工件新型定位及数据获取方法的流程框图。

图2是本发明中对工件进行的图像预处理流程图。

图3是工件图像经二值化后的图像。

图4是工件图像经轮廓提取后的图像轮廓。

图5是矢量数据获取方法流程图。

图6是工件的最小外接矩形。

图7是工件与水平轴的夹角。

具体实施方式

下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。

参照图1，本发明的一种工件的新型定位及数据获取方法，所述方法包括：

S1，对工件进行图像采集并进行预处理；

首先对工件进行图像采集，但采集环境的光照强度、空气中的漂浮物、镜头周围可能出现的灰尘等因素，都会影响工件图像采集的效果。工件图像的预处理过程，是为了增强感兴趣的区域，模糊噪声区域，得到便于后续分析计算的高质量图像。在图像预处理中用到的一般方法有：灰度处理，图像滤波，图像二值化等。

参见图2，其中，

S11，图像采集实际上就是将数字图像数据采集到计算机中的过程，本发明使用线阵CCD工业相机进行图像采集，并将采集后的数字图像数据交给计算机进行处理。

线阵CCD相对于面阵CCD结构简单，具有成本较低，实时传输光电变换信号和自扫描速度快，频率响应高，能够实现动态测量，并能在低照度下工作等优点。

S12，由于采集的数字图像是彩色图像，而彩色图像色彩丰富，包含信息量大，图像处理速度较慢，考虑到工业机器人对工件的定位没有使用彩色图像的必要性，另外对定位识别速度要有一定的要求，所以对彩色图像灰度化是必不可少的。

加权平均值法(出自论文Research and efficiency analysis of grayalgorithm based on image recognition system.作者：Peng Wei-xi，Zhao Guan-xian，Wang Zhi-qian.Electronic World，2014，7:105.)使彩色数字图像实现灰度化的同时，避免了最大值法和平均值法灰度处理后图像失真的问题，不仅保留了图像原有的信息，而且处理后的灰度图像边缘亮度噪声少，平滑效果好。这样既达到了预期结果，又给图像的后续处理提供了有利条件。加权平均值法根据重要性或其他指标给RGB赋予不同的权值并把RGB的值加权，如公式(1)

Gary＝W_R×R+W_G×G+W_B×B (1)

其中，W_R、W_G、W_B分别为R、G、B的不同权值。

S13，图像滤波是图像处理和计算机视觉中最基本的操作，本发明对工件矢量数据获取的方法中要求边缘轮廓尽可能的清晰，双边滤波(出自论文Bilateral filtering forgray and color images.作者：Tomasi C，Manduchi R.IEEE International Conferenceon Computer Vision，BombayIndia，1998.)很好的解决了边缘模糊的问题。

双边滤波之所以可以达到保留边缘信息去掉噪声的效果，是因为构成该滤波方法的两个函数：一个是由几何空间距离决定滤波系数，另外一个由像素之间的差决定滤波系数。双边滤波不但考虑邻域范围内点的灰度值，而且考虑了这些点距离中心点的几何距离。图像在经过双边滤波后像素点灰度值的表达公式如公式(2)所示：

h_x(x)＝k^-1∫∫f(ξ)c(ξ-x)s(f(ξ)-f(x))dξ (2)

其中k为归一化系数，其表达式如公式(3)：

k(x)＝∫∫c(ξ-x)s(f(ξ)-f(x))dξ (3)

其中h和x分别为滤波后和滤波前对应点的灰度值；c表示中心点与其邻域内点的空间相似度，定义如公式(4)所示：

s表示中心点与其邻域内点的灰度相似度，定义如公式(5)所示：

S14，图像二值化就是将图像上的像素点的灰度值设置为0或255，将整个图像呈现出明显的黑白效果。图像的二值化有利于图像的进一步处理，使图像变得更加简单，不但能凸显出感兴趣目标的轮廓，还能减小数据处理量。

针对全局阈值法(出自论文2D barcode image binarization based on waveletand otsu method.作者：Wu Jia-peng，Yang Zhao-xuan，Han Dong.Computer Engi-neering，2010，10:190-192.)，对整幅图像进行二值化，但由于光照不均匀或者背景十分复杂会导致二值化后图像效果并不理想。在相同环境下多经过次对比试验，确定合理阈值后，固定化二值法有较好的二值化效果，能够满足实际的需要，不仅有较高的识别精度，而且识别速度也较高。效果如图3所示。

S2，选择改进的轮廓检测方法提取工件的轮廓；

Canny算子轮廓检测的原理：首先运用高斯卷积对图像进行高斯平滑，平滑后对图像进行微分操作，得到图像的梯度图，然后采用“非最大抑制”算法(出自论文Branch andbound strategies for non-maximal suppression in object detection.作者：Blaschko M B.Lecture Notes in Computer Science，2011.)寻找图像中可能是边缘的点，最后通过双门限值以递归的方式寻找图像边缘点，获取单像素宽度图像轮廓。在递归跟踪的过程中有两个门限控制，记为h₁与h₂，且h₁<h₂。当前像素点的值大于h₂时开始跟踪过程，跟踪在像素点邻域的两个方向进行，直到相应像素位置值低于门限h₁停止。

Canny算法主要通过以下步骤实现：

1)高斯滤波器平滑图像；

2)对图像进行微分操作计算梯度的幅度和方向；

3)“非最大抑制”法寻找可能边缘点；

4)双门限检测以及目标边缘连接。

在运用Canny算子检测出图像所有轮廓后，对所有的轮廓进行过滤，通过对比轮廓的面积以及周长，筛选保留正确的轮廓区域，删除孤立的或分小段连续的边缘。采用改进后的Canny算子检测法，图像轮廓如图4所示。

S3，采用主轴法来寻找工件轮廓的最小外接矩形；

本发明采用主轴法来寻找工件轮廓的最小外接矩形。主轴法的基本思想是确保图像中的目标位置不发生改变，把目标图像看作是一块密度均匀的薄板，结合重心原理来确定水平主轴与垂直主轴的初始位置，然后确定旋转的中心位置和初始的外接矩形轮廓，接着由初始的外接矩形开始，以一定的旋转间隔按照逆时针旋转方向，开始旋转外接矩形，找到面积最小的外接矩形，此时就确定了我们的想要寻找的目标。外接矩形是规则的几何体，四条边互相垂直，可以用相对件的方式对其进行存储表示，因此具有很小的运算量。利用重心原理可以很有效的确定主轴的初始位置和旋转的中心位置，另外由于水平主轴和垂直主轴限定了旋转区间，范围在二者构成的锐角内，相比一般的旋转法缩小了搜索区间，使得整个寻找最小外接矩形的过程大大减少了旋转次数，对运算速度有了很大的提高。

在求解过程中，以工件轮廓形心为坐标原点、以主轴为X′轴，旋转x轴，旋转大小为方向角a，由公式(6)、(7)进行新旧坐标系转换。

x′＝p+cos a×x+sin a×y (6)

y′＝q+sina×x+cos a×y (7)

S4，获取工件的矢量数据信息；参照图5，在经过图像预处理，基于Canny算子的轮廓检测，得到准确轮廓信息的基础上，采用主轴法寻找工件的最小外接矩形，对获取方法做出改进，获取符合实际生产需要的工件位置矢量信息。

S41，参照图6，采用主轴法求解的最小外接矩形，可以得到外接矩形在原坐标系下四个坐标点P₀、P₁、P₂、P₃，类比质心法，由公式(8)、(9)可求得工件质心Center(X，Y)。

其中n表示坐标点的个数，P_i x表示第i个坐标点x轴的值，P_i y表示第i个坐标点y轴的值。

S42，参照图7，采用主轴法求解最小外接矩形，在沿主轴旋转的过程中，可以得到与水平轴的夹角。此时得到的夹角是水平轴沿逆时针方向，与第一条边的夹角，即夹角θ。

工业机器人在进行工件抓取时，根据获取的角度信息进行抓手抓取方向调整，调整为抓取两条长边的方向最为合理。因此，结合实际的需要，改进主轴法(出自论文Fastalgorithmfor extracting minimumenclosing rectangle of target image.作者：LuRong，Fan Yong，Chen Nian-nian.Computer Engineering，2010，21:178-180.)。在初次得到角度数据后，判断是否是长边与水平轴的夹角，根据判断结果把角度统一转换为水平轴与长边的夹角，即夹角γ。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种工件的新型定位及数据获取方法，其特征在于，所述方法包括：S1，对工件进行图像采集并进行预处理；S2，选择改进的轮廓检测方法提取工件的轮廓；S3，采用主轴法来寻找工件轮廓的最小外接矩形；S4，获取工件的矢量数据信息。

2.根据权利要求1所述的一种工件的新型定位及数据获取方法，其特征在于，所述步骤S1中，对工件图像的预处理包括：图像采集、灰度处理、图像滤波以及二值化。

3.根据权利要求1所述的一种工件的新型定位及数据获取方法，其特征在于，所述步骤S2中，轮廓检测采用的是改进的基于Canny算子轮廓检测方法。