CN108171746A - 一种基于视觉的球杆小球定位系统及方法 - Google Patents

Abstract

本发明公开了一种基于视觉的球杆小球定位系统及方法，其中，所述球杆小球定位系统包括底座、支撑部分、舵机、连杆、横杆、小球、摄像头。所述球杆小球定位方法包括以下步骤：S1，获取图像并进行转换；S2，识别球体图像；S3，定位球心坐标。本发明通过调用摄像头获取视屏资料，进而提取感兴趣区域，通过图像识别算法进行小球特征识别，并进行优化滤波，最终完成对球杆系统轨道中小球的位置的定位，改善了传统的传感器检测定位方法定位精度低且可靠性不高的问题，实现了对轨道中小球的精确定位。

Description

一种基于视觉的球杆小球定位系统及方法

技术领域

本发明涉及视觉定位技术领域，具体涉及一种基于视觉的球杆小球定位系统及方法。

背景技术

球杆系统，是一个典型的控制实验研究设备，其主要用于以下两大途径，教学实验和控制理论的验证。作为教学实验用途，不仅能满足现代控制工程以及自动控制原理等课程的实验要求，而且也可以作为模式识别、电机学等课程的实验研究设备，是教师学生进行科学研究的理想平台；作为对控制理论的检验设备，它可以完成对新提出的控制理论的可行性进行验证。综上显然，对球杆系统的研究具有重要意义。

目前主流球杆系统中关于小球位置的检测方法主要有两种，直线位移传感器检测法和光电传感器法。光电传感器对周围环境适应性差，精度不高，测量时存在一定的抖动性。而直线位移传感器检测法，其要求小球必须为钢球，这使得小球在运动时惯性较大，控制难度较大。再者，这种接触式方式易造成传感器磨损，使用寿命短，抗干扰能力差，并且要求有绝对稳定的电压输入。

机器视觉系统是指通过机器视觉产品(即图像摄取装置)把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。在球杆系统中引入基于机器视觉的图像识别技术，可大大提高小球定位的精确性。

专利“一种机器人智能投影的白墙定位方法及机器人，申请号CN201610569641.8”公开了一种机器人智能投影的白墙定位方法及机器人，该机器人进入指定区域，摄像头对区域空间进行360度有序拍照并储存至存储器；机器人的图像识别模块对上述拍照所产生的系列照片进行识别，并反馈多个合格的白墙位置照片信息；通过所反馈的白墙位置照片信息选择确定白墙投影位置。对摄像头所拍摄图像进行识别，筛选合格的白墙供用户选择。

专利“一种基于机器视觉的发动机气缸体铸件的定位方法，申请号CN201610394640.4”提出了包括缸体的图像获取，缸体的图像处理以及缸体的识别和定位等一整套方法。其中还包括灰度化、二值化、反色处理、区域阀值分割、开闭操作和区域填补等图像处理方法，获得了简单且符合精度要求的定位方法。

通过上述专利分析，发现在现有的机器视觉技术应用到定位系统中，存在图像处理不完善、定位精度低、可靠性不高的问题。

发明内容

本发明目的在于克服现有技术的不足，尤其解决现有的球杆系统中传统的传感器检测定位方法定位精度低且可靠性不高的问题。

为解决上述技术问题，本发明采用如下的技术方案：

一种基于视觉的球杆小球定位系统，所述球杆小球定位系统包括底座、支撑部分、舵机、连杆、横杆、小球、摄像头。其中：

所述支撑部分和舵机放置于底座上；所述支撑部分用于固定一边的横杆和摄像机；所述舵机通过接收指令，控制整个系统的运行；所述连杆与舵机相连，通过舵机的驱动，可以带动横杆，从而控制小球在横杆上的位置；所述横杆放置于支撑部分上，用于作为小球运行的轨道；所述摄像机用于获取小球运行过程中的图像，并通过串口传给计算机进行图像处理。

一种基于视觉的球杆小球定位系统实现的小球定位方法，所述方法包括以下步骤：

S1，获取图像并进行转换；

S2，识别球体图像；

S3，定位球心坐标。

附图说明

图1是本发明的一个具体实施例的结构示意图。

图2是本发明的一个具体实施方式球杆小球定位方法流程图。

图3是本发明的一个具体实施方式中识别球体图像的流程图。

图4是本发明的一个具体实施方式中RGB向量分割圈定数据区域方法坐标图。

图5是本发明的一个具体实施方式中腐蚀过程示意图。

图6是本发明的一个具体实施方式中膨胀过程示意图。

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。

参见图1，一种基于视觉的球杆小球定位系统，所述球杆小球定位系统包括底座1、支撑部分2、舵机3、连杆4、横杆5、小球6、摄像头7。其中：

所述支撑部分2和舵机3放置于底座1上；所述支撑部分2用于固定一边的横杆5和摄像机7；所述舵机3通过接收指令，控制整个系统的运行；所述连杆4与舵机3相连，通过舵机3的驱动，可以带动横杆5，从而控制小球6在横杆5上的位置；所述横杆5放置于支撑部分2上，用于作为小球6运行的轨道；所述摄像机7用于获取小球6运行过程中的图像，并通过串口传给计算机进行图像处理。

参见图2，一种基于视觉的球杆小球定位系统实现的小球定位方法，所述方法包括以下步骤：

S1，获取图像并进行转换。

图像的获取主要是通过USB摄像头的拍摄传送到电脑，并完成YUV模型(张秉正.基于保留色度信息灰度化编码的彩色图像识别方法研究[D].长春:东北师范大学,2010.)(荣佳佳.自然光照下茄子图像的分割与识别方法研究[D].重庆:重庆邮电大学,2013.)到RGB模型的转换。其转换公式如式(1)所示：

上式中U、V分别表示色差分量，Y代表亮度值，R、G、B代表红色、绿色、蓝色的像素值。

S2，识别球体图像.

参见图3，识别球体图像的过程具体包括以下步骤：

S21，设置感兴趣区域。本系统是以图片为处理对象，因此所含信息量相对较大，进行感兴趣区域，将大大减小系统的处理时间。基于本系统特定条件下，图片中除轨道部分以外区域均为无用信息。因此为减少计算量，加快系统的运算速率，本系统采用设置感兴趣区域的方案。实际操作中，在固定好球轨道，以及摄像头后，规定轨道及其周围邻近区域为感兴趣区域。选取感兴趣区域可以调用MATLAB中的imcrop函数，通过设置所需区域的坐标范围，对图片进行裁剪。

S22，识别颜色特征。颜色识别就是根据不同颜色空间各分量的关系识别出物体的颜色，实现颜色的识别。

先采用欧式距离法(Naster C.Computer vision and image understanding[M].NewYork:Thomson Reuters,1997:179-191.)识别小球。基于颜色形成原理，对分离特征对象小球进行分析。要从RGB图像中识别分割出某个具有特定颜色特征的物体，通常需要给定一个感兴趣的颜色集合，这个感兴趣集合中含有代表性彩色的色彩特点，即特定的红、绿、蓝像素值范围空间。本系统利用几何学知识，以R、G、B分别作为三个坐标轴，建立三维的坐标系，通过RGB空间的向量或者某一点来表示某种色彩。现假设这个RGB空间的向量为向量a。每种颜色，其映射到RGB坐标系中为一个向量。该向量在R轴、G轴、B轴的分量值即为合成这种颜色所需的R像素值、G像素值、B像素值。实际中，由于光照等各种因素影响，某一种颜色的像素值并不是一个固定值，存在一定的可允许波动范围，即在RGB某一空间区域内即可认为它是某一种颜色。欧式距离法则是目前最普遍的一种度量的方法。假设n代表RGB三维色彩空间中的一点，只要n和a之间的欧式距离D₀在某一个允许范围之内，则认为n与a是相似的。n和a间的空间欧氏距离计算公式由式(2)给出：

上述公式中字母的下标R、G、B分别表示向量n和向量a在三维空间中的R分量、G分量、B分量的像素值。满足D(z,a)≤D₀的所有点的轨迹，是一个以D₀为半径的实心球体，如图4所示。任何在球体表面上或者是包含在球体内部的点都认为符合某个特定色彩条件，可以归类于某一种颜色范畴。具体伪代码如下：

条件1：|待判断向量R分量值—橙色像素的R分量|<橙色色彩空间R半径；

条件2：|待判断向量G分量值—橙色像素的G分量|<橙色色彩空间G半径；

条件3：|待判断向量B分量值—橙色像素的B分量|<橙色色彩空间B半径。

若同时满足上述三个条件，则认为该点的颜色为橙色。

然后对彩色图像进行二值化。图像数据的处理大多都是将二值图像作为直接对象。本系统中图像范围不大，处理量相对较小，故采用彩色图像直接二值化的方法。彩色图像二值化，即感兴趣区域内的任何一个像素点只要其像素值满足欧式距离，就将其编码为1(颜色表现为白色)，否则编码为0(颜色表现为黑色)。本设计中小球色彩为橙色，因此只要在RGB空间内满足橙色区域的欧式距离，就编码为1。

S23，图像的优化处理。图像噪声大大降低了图像质量，干扰了图像的可测性，给后续图像的边沿检测等工作造成了极大影响。图像噪声导致所获得的二值图像存在一些孤立点小面积噪声，并且小球的边缘存在毛刺。因此，采用面积滤波法，对二值图像中的小面积干扰点进行滤除。在本系统中的具体操作为，把面积小于20的作为小面积干扰噪声点进行滤除。

小球边沿由于光照的影响出现毛刺影响控制精度。为消除毛刺对控制精度的影响，采用腐蚀膨胀算法对球边缘进行优化处理。腐蚀膨胀算法可分为先腐蚀后膨胀(又称为开运算)，和先膨胀后腐蚀又(称为闭运算)两种。先腐蚀再膨胀，具有平滑功能，能清除图像某些微小连接、边缘毛刺和孤立点；先膨胀再腐蚀具有过滤功能，可填平图像内部的空洞、小沟和裂缝，使断线相连。所谓腐蚀，就是沿着图像对象的边缘内侧，通过一个腐蚀结构体依次进行腐蚀擦除。因此腐蚀运算起到影像收缩的作用。腐蚀算法如式(3)所示。

上式中，X为被腐蚀对象，B为腐蚀结构元素，Bv为B平移v所得。膨胀，是腐蚀的对偶运算，定义为对图像的补集进行的腐蚀运算。其沿着对象边沿的外侧，依次进行膨胀扩大，起到扩大边沿作用，其算法如式(4)所示。

上式中，X为被膨胀亮点对像，B为膨胀结构元素，为B作关于原点对称集B，再平移v所得。因此可推先腐蚀后膨胀算法为式(5)，先膨胀后腐蚀为式(6)。

显然，无论是进行开运算还是闭运算，对于边缘平滑的结构体，其边缘特征保持不变。图5为腐蚀算法示意图，图6是膨胀算法示意图。

S3，定位球心坐标。

圆霍夫变换(CHT)是目前应用最为广泛的圆检测方法，该方法的最大特点是可靠性高，在噪声、变形、部分区域丢失的状态下依然能取得理想的结果。霍夫圆变换和霍夫线变换的基本原理相似。其极坐标空间到参数空间变换公式如式(7)、式(8)所示。

a＝x-rcosθ (7)

b＝y-r sinθ (8)

式中(a,b)是圆心，r为圆半径。霍夫圆变换中，将圆上的点对应的二维极坐标转化为由圆心点(a,b)和半径r组成的三维空间。图像极坐标空间中的一点，映射到参数空间中就是一条曲线。同一条曲线上的两个点在参数空间坐标中表现为两条不同的空间曲线在某一点相交，因此，图像坐标空间中同一个圆上间断的点映射在参数空间里的曲线必定相交于同一点。

霍夫变换检测定位圆心及其半径的基本算法步骤如下：

第一，检测图像中非零的边缘点，并保存点的位置信息。

第二，预估待检测圆半径r大致范围，根据精度要求，设置半径r变化步长以及圆心角θ合适步长。

第三，根据精度细分参数空间为累加器单元。

第四，取第一个非零点，从预估半径r的最小值开始，根据(x,y)的值，r的值和式(11)和式(12)计算(a,b)，若计算出的(a,b)的值在合理范围之内，就给点(a,b)所在累加器单元累加器值加1，计算直到θ按步长增加到2π为止。

第五，按照步长扩大r的值，反复完成第四步的操作。

第六，取下一个非零点的(x,y)位置信息，返回第四步继续运算。

第七，完成所有上述运算后，寻找累加器值最大的累加单元，该单元所对应的参数坐标(a,b,r)，就是圆的中心坐标和半径。

上述为本发明较佳的实施方式，但本发明的实施方式并不受上述内容的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (2)

1.一种基于视觉的球杆小球定位系统，其特征在于，所述球杆小球定位系统包括底座、支撑部分、舵机、连杆、横杆、小球、摄像头；其中：

所述支撑部分和舵机放置于底座上；所述支撑部分用于固定一边的横杆和摄像机；所述舵机通过接收指令，控制整个系统的运行；所述连杆与舵机相连，通过舵机的驱动，可以带动横杆，从而控制小球在横杆上的位置；所述横杆放置于支撑部分上，用于作为小球运行的轨道；所述摄像机用于获取小球运行过程中的图像，并通过串口传给计算机进行图像处理。

2.一种应用权利要求1所述的基于视觉的球杆小球定位系统实现的小球定位方法，其特征在于，所述方法包括以下步骤：

S1，获取图像并进行转换；

S2，识别球体图像；

S3，定位球心坐标。