CN111272756A - 一种合金分析系统 - Google Patents

Abstract

本申请公开一种合金分析系统，包括机器人、合金分析仪、视觉定位装置和控制系统，视觉定位装置包括结构光源、第一相机和第二相机；控制系统被配置为执行：响应于视觉定位装置移动至预设拍摄位，启动结构光源，控制第一相机拍摄第一图像，控制第二相机拍摄第二图像；从第一图像中提取第一结构光条纹，从第二图像中提取第二结构光条纹；计算第一结构光条纹中的第一最凸点以及第二结构光条纹中的第二最凸点；根据第一最凸点和第二最凸点，计算最佳检测点的三维坐标；根据机器人的当前位置和最佳检测点的三维坐标，生成机器人的目标运动轨迹；控制机器人按照目标运动轨迹移动，使探头与最佳检测点接触；控制合金分析仪对最佳检测点进行检测。

Description

一种合金分析系统

技术领域

本申请涉及视觉检测技术领域，尤其涉及一种合金分析系统。

背景技术

在一些应用场景中，需要对合金的元素成分进行现场测定，以保证产品质量，比如，在钢铁行业，由于产品的多样化，其生产水平亦趋于自动化和精细化，为防止不同钢种混号，需要对成品盘条进行合金成份分析。

在进行合金分析时，需要在待测样品表面选择一个最佳检测点，然后将合金分析仪的探头触到最佳检测点进行检测。目前一般采用结构光测量系统来定位样品表面最佳检测点的位置，结构光测量系统主要由结构光投影装置、摄像机和图像处理系统组成，测量原理是向被测样品投射一定结构的光，结构光受被测物体表面信息的调制而发生形变，使摄像机拍摄的样品图像中具有光栅条纹，通过光栅条纹可以计算最佳检测点的三维位置坐标。

最佳检测点的计算方法采用相位测量方法，通过具有一定相位差的多幅光栅条纹图像，计算每幅光栅条纹图像中各像素的相位值，并根据相位值计算待测样品的三维信息，然后基于待测样品的三维信息确定最佳检测点。然而，在实际生产过程中，成品盘条和盘卷的直径变化范围较大，分别为5mm～34mm和1.2m～1.5m，当不同规格的成品盘条和盘卷组合时，需要拍摄至少三幅光栅条纹图像才能确定出最佳检测点。这种最佳检测点的定位方式计算量大，定位效率和准确性低。

发明内容

为解决上述背景技术中所述的问题，本申请提供一种合金分析系统。

本申请提供一种合金分析系统，包括：

机器人；

与所述机器人连接的合金分析仪，所述合金分析仪包括探头；

与所述机器人连接并且与所述合金分析仪相邻设置的视觉定位装置，所述视觉定位装置包括结构光源，以及处于同一水平高度上的第一相机和第二相机；

控制系统，分别与所述机器人、所述合金分析仪、所述结构光源、所述第一相机和所述第二相机电连接，所述控制系统被配置为执行如下程序步骤：

响应于所述视觉定位装置移动至预设拍摄位，启动所述结构光源，控制所述第一相机拍摄待测样品表面的第一图像，以及控制所述第二相机拍摄待测样品表面的第二图像；

从所述第一图像中提取第一结构光条纹，以及，从所述第二图像中提取第二结构光条纹；

计算所述第一结构光条纹中的第一最凸点以及所述第二结构光条纹中的第二最凸点；

根据所述第一最凸点和所述第二最凸点，计算最佳检测点的三维坐标；

根据机器人的当前位置和所述最佳检测点的三维坐标，生成机器人的目标运动轨迹；

控制机器人按照所述目标运动轨迹移动，使探头与所述最佳检测点接触；

控制合金分析仪对所述最佳检测点进行检测。

由机器人将视觉定位装置移动到预设拍摄位，预设拍摄位是根据拍摄距离和拍摄角度等因素预先设定的固定位置，然后第一相机和第二相机对待测样品表面进行拍摄，然后分别对拍摄的第一图像和第二图像进行处理，分别提取结构光条纹，然后计算第一最凸点和第二最凸点。考虑到相机在拍摄过程时会存在一定的偏差，导致根据单一相机拍摄出图像计算出的最凸点与待测样品表面真实的最凸点之间会存在偏差，从而导致定位最佳检测点的准确性低。

对此，本申请中，采用基于双目视觉的方式进行最佳检测点的定位，分别对第一相机和第二相机拍摄出的图像进行处理，得到第一最凸点和第二最凸点，第一最凸点和第二最凸点在实际空间中对应于同一个点(即最佳检测点)，通过参考两个相机测出的最凸点来计算最佳检测点，由此得到的最佳检测点更接近于样品表面真实的最凸点，提高了最佳检测点定位的准确性。此外，本申请中设定有预设拍摄位，预设拍摄位是固定的，因此机器人控制视觉定位装置移动到预设拍摄位的运动轨迹也是固定的，因此无需利用额外的测距装置来确定视觉定位装置是否处于可进行拍摄的位置，并且可以利用双目视觉准确检测到视觉定位装置与最佳检测点之间的距离(即最佳检测点的深度坐标值)，提高了最佳检测点定位的准确性和效率，降低计算量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例示出的合金分析系统的结构示意图；

图2为本申请实施例示出的一种合金分析系统的电连接示意图；

图3为本申请实施例示出的支架与合金分析视觉定位装置、合金分析仪的连接结构示意图；

图4为本申请实施例示出的支架与合金分析视觉定位装置的连接结构背面示意图；

图5为本申请实施例示出的视觉定位装置的正面示意图；

图6为本申请实施例示出的控制系统被配置为执行的一种合金分析控制方法流程图；

图7为本申请实施例示出的具有结构光条纹的第一图像的示意图；

图8为本申请实施例示出的控制系统被配置为执行的另一种合金分析控制方法的流程图；

图9为本申请实施例示出的最佳检测点的Z坐标的检测原理示意图；

图10为本申请实施例示出的标记最佳检测点后的第一图像示意图；

图11为本申请实施例示出的另一种合金分析系统的电连接示意图。

图中，1-机器人；2-支架，21-法兰，22-安装板，23-支撑杆，24-第一端，25-第二端；3-合金分析仪，31-探头；4-视觉定位装置，41-结构光源，42-第一相机，43-第二相机，44-底板，45-外护罩，451-前端面板；5-控制系统，501-PLC控制器，502-计算机；6-语音装置；100-待测样品。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1和图2所示，本申请一实施例提供的合金分析系统包括机器人1、与机器人1连接的合金分析仪3、与机器人1连接并且与合金分析仪3相邻设置的视觉定位装置4，以及控制系统5。控制系统5与机器人1电连接，用于对机器人1的运动和启闭进行控制，当控制系统5控制机器人1移动时，机器人1会带动合金分析仪3和视觉定位装置4联动，机器人1可选择六轴机器人等类型。合金分析仪3与机器人1可通过法兰或者螺栓等部件进行连接，视觉定位装置4与机器人1可通过螺栓或者安装板等部件进行连接。合金分析仪3与控制系统5电连接，控制系统5用于控制合金分析仪的启闭状态。

合金分析仪3是采用X荧光分析技术，能快速、精确无损的分析多种材质；拥有广泛、可自定义牌号库，用户可对现有牌号库进行修改，添加新牌号或创建牌号库，可严格控制轻元素(镁铝硅磷硫)的分析；拥有强大的后台数据管理功能，可按要求定制软件。检测结果和报告可直接下载到U盘，或通过WiFi、USB或网线实现数据的传输。

在一种实现方式中，如图3和图4所示，合金分析系统还包括支架2，支架2可采用L形结构，支架2的第一端24通过法兰21与机器人1连接，合金分析仪3安装在支架2的第二端25，支架2的第二端25设有安装板22，安装板22具体可设置在支架2的第二端25的侧面，视觉定位装置4通过螺栓或者焊接等方式与安装板22连接。合金分析仪3和视觉定位装置4相邻且平行地设置于支架2上，并且都朝向待测样品100。支架2的两条边部之间通过支撑杆23连接，以提高支架2的支撑结构，从而提高支架2的机械强度。当视觉定位装置4定位出待测样品100表面的最佳检测点时，根据机器人和最佳检测点的三维坐标，可以生成一条目标运动轨迹，使得机器人1按照目标运动轨迹移动后，合金分析仪3的探头31能够与最佳检测点接触，从而进行对最佳检测点进行检测，完成待测样品100的合金分析。其中，待测样品100可以为盘条或盘卷，或者其他需要进行合金分析的样品，本申请对此不作限定。

图5示出一种视觉定位装置4的结构，视觉定位装置4包括结构光源41，以及处于同一水平高度上的第一相机42和第二相机43，控制系统5分别与结构光源41、第一相机42和第二相机43电连接，用于控制这些元件的启动和关闭。第一相机42和第二相机43采用相同型号的工业相机，保证拍摄参数一致，第一相机42和第二相机43在竖直方向上的高度相同，并且距离待测样品表面的距离相同，第一相机42和第二相机43仅是在水平方向(即图5中左右方向)上存在间距。

结构光源41启动时可以产生结构光，基于结构光受待测样品表面的调制而发生形变的特性原理，结构光经待测样品100的表面反射后，被第一相机42和第二相机43接收，从而使拍摄到的图像具有携带待测样品表面真实形变特征的结构光条纹，通过结构光条纹可以计算出合金分析仪3在待测样品100表面上的最佳检测点。第一相机42和第二相机43内可以设置调节元件，用于调节图像中结构光条纹的数量。

参照图4和图5，视觉定位装置4还包括底板44和外护罩45，外护罩45的前端面板451(前端即正面)呈透明，透明的前端面板可以保证结构光源41发出的结构光能够入射到待测样品100的表面，以及保证第一相机42和第二相机43能够拍摄到图像，同时透明的前端面板还起到密封防护的作用；外护罩45的后端(即背面)固定在底板44上，结构光源41、第一相机42和第二相机43位于外护罩45的内部，并且结构光源41、第一相机42和第二相机43都固定在底板44上，底板44与安装板22通过螺栓或焊接等方式刚性连接，底板44既用于安装结构光源41、第一相机42和第二相机43，还用于将视觉定位装置4与支架2固定连接，并对视觉定位装置4的后端进行密封防护。结构光源41、第一相机42和第二相机43的轴心处于同一竖直平面上，以保证图像的拍摄质量，第一相机42与结构光源41在竖直方向上的距离为700mm～100mm。

基于前述合金分析系统的结构，图6示出控制系统5被配置为执行的一种合金分析控制方法，所述方法包括：

步骤S1，响应于视觉定位装置移动至预设拍摄位，启动结构光源，控制第一相机拍摄待测样品表面的第一图像，以及控制第二相机拍摄待测样品表面的第二图像。

其中，所述预设拍摄位是根据拍摄距离和拍摄角度等因素预先设定的固定位置，由于预设拍摄位是固定的，那么根据机器人1的初始位置与预设拍摄位，可以生成一个固定的运动轨迹，控制系统5控制机器人1按照按运动轨迹移动时，可以将视觉定位装置4移动至预设拍摄位，则视觉定位装置4可以启动对待测样品100表面的拍摄工作，即启动结构光源41，使得结构光源41发出的结构光能够入射到待测样品100的表面，然后控制第一相机42拍摄第一图像，同时控制第二相机43拍摄第二图像，第一图像和第二图像中都具有结构光条纹，图7是以盘条待测样品为例，示出了具有结构光条纹的第一图像。第一图像和第二图像采集完成后，可以保存在一个固定的路径下，这样在后续进行图像处理时，可以直接读取该路径中存储的第一图像和第二图像。

步骤S2，从所述第一图像中提取第一结构光条纹，以及，从所述第二图像中提取第二结构光条纹。

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染，为了消除第一图像和第二图像中混入的噪声，并识别提取图像特征，可采用由一个像素邻域中的灰度级的中值来代替该像素的值的方式进行滤波操作，图像降噪的方式不限于本实施例所述。另外，本领域技术人员还可根据实际处理需求，对第一图像和第二图像进行其他处理，比如图像增强等，具体可参照现有图像处理方法，本实施例不再赘述。

参照图7，以第一图像为例，第一图像主要包括两部分，一部分是暗色的线材背景(即图中的黑色部分)，另一部分是结构光条纹(即图中具有形变特征的白色光条纹)，由于结构光条纹和线材背景具有其各自明显的特征，灰度不同，所以可以预设一个第二阈值T，第二阈值T用于对线材背景和结构光条纹进行区分和分割。在图像坐标系uov中，需要采集第一图像中像素点(u，v)处的灰度值f(u，v)，并判断灰度值f(u，v)是否大于或等于第二阈值T，如果灰度值f(x，y)大于或等于第二阈值T，则确定像素点(u，v)为目标点，所述目标点是组成结构光条纹的像素点，否则，像素点(u，v)则为背景点。通过这种方式，提取第一图像中的全部目标点，组成第一结构光条纹，参照图7，第一结构光条纹包括多段子条纹。为了简化计算量，提高最佳检测点的定位效率，可以通过第一相机42中的调节元件，来调节第一图像中具有的结构光条纹的数量，图7所示的第一图像中，本实施例中优选为第一图像中具有一个第一结构光条纹。

同样地，对于第二图像，也需要采集第二图像中像素点的灰度值，并判断灰度值是否大于或等于第二阈值，如果灰度值大于或等于第二阈值，则该灰度值对应的像素点为目标点；反之，如果灰度值小于阈值，则该灰度值对应的像素点为背景点，提取第二图像中的全部目标点，组成第二结构光条纹，第二结构光条纹也包括多段子条纹，第一结构光条纹的数量等于第二结构光条纹的数量。

步骤S3，计算所述第一结构光条纹中的第一最凸点以及所述第二结构光条纹中的第二最凸点。

申请人在实践中发现，结构光受待测样品表面的调制而发生形变的特性为：由于待测样品的表面存在凹凸性，会使照射到待测样品表面的结构光发生相位调制，造成待测样品越凸出的部分对应的光条纹像素点越偏下，反之，待测样品越凹进去的部分对应的光条纹像素点越偏上，基于此特性，利用第一结构光条纹和第二结构光条纹来解析待测样品表面的凹凸性，如图8所示的另一种合金分析控制方法，该方法包括基于阈值匹配算法计算第一最凸点和第二最凸点，进而计算最佳检测点的X坐标和Y坐标，以及基于双目视觉的三角测距法计算最佳检测点的Z坐标，其中步骤S3进一步包括：

步骤S301，在图像坐标系uov中，对所述第一结构光条纹中各段子条纹的中心点按照v坐标值进行排序，得到第一中心点集合P₁(u_1m，v_1m)。

如图7所示，一般将图像左上角作为原点，建立图像坐标系uov，对于第一结构光条纹和第二结构光条纹的数量等于1的情况，在第一结构光条纹提取出来后，第一结构光条纹中包括若干段的子条纹，分别获取每段子条纹的中心点，可以按照v坐标值递增或递减的顺序对第一结构光条纹中各段子条纹的中心点进行排序，排序完成后，则每个中心点就有对应的序位号m，即得到有序的中心点集合，本申请中命名为第一中心点集合P₁(u_1m，v_1m)，其中1≦m≦Q，Q为第一结构光条纹中包括的子条纹数量。

步骤S302，对所述第二结构光条纹中各段子条纹的中心点按照v坐标值进行排序，得到第二中心点集合P₂(u_2n，v_2n)。

在第二结构光条纹提取出来后，第二结构光条纹中包括若干段的子条纹，分别获取每段子条纹的中心点，可以按照v坐标值递增或递减的顺序对第二结构光条纹中各段子条纹的中心点进行排序，需要说明的是，第一结构光条纹和第二结构光条纹中中心点排序方式一致，比如，如果第一结构光条纹中是按照v坐标值递增顺序对各中心点进行排序，那么第二结构光条纹也应该按照v坐标值递增顺序对各中心点进行排序。第二结构光条纹中各中心点排序完成后，则每个中心点就有对应的序位号n，即得到有序的中心点集合，本申请中命名为第二中心点集合P₂(u_2n，v_2n)，1≦n≦S，S为第二结构光条纹中包括的子条纹数量，第一结构光条纹和第二结构光条纹中包括的子条纹数量可能相同或不同。

在一种实现方式中，参照图7，第一结构光条纹和第二结构光条纹可以包括两种条纹区域，一种是左右两侧的边缘区域，另一种除左右两侧边缘区域之外的偏中间的条纹区域，最佳检测点一般位于偏中间的条纹区域中。在提取出第一结构光条纹和第二结构光条纹后，设定第一结构光条纹的第一感兴趣区域，以及，设定第二结构光条纹的第二感兴趣区域(感兴趣区域，Region Of Interest，ROI)。第一感兴趣区域为第一结构光条纹中除两侧边缘区域之外的条纹区域，第二感兴趣区域为第二结构光条纹中除两侧边缘区域之外的条纹区域，将第一结构光条纹和第二结构光条纹中除边缘区域之外的偏中间区域划定出来，从而将无效的边缘区域分割出去，降低了计算量，提高最佳检测点的定位效率和准确性。

根据第一感兴趣区域和第二感兴趣区域，并基于上述结构光受所述待测样品表面的调制而发生形变的特性，对第一感兴趣区域中各段子条纹的中心点按照v坐标值进行排序，得到第一中心点集合P₁(u_1m，v_1m)，以及，对第二感兴趣区域中各段子条纹的中心点按照v坐标值进行排序，得到第二中心点集合P₂(u_2n，v_2n)。其中1≦m≦Q1，Q1为第一感兴趣区域中包括的子条纹数量；1≦n≦S1，S1为第二感兴趣区域中包括的子条纹数量。

对于第一中心点集合P₁(u_1m，v_1m)和第二中心点集合P₂(u_2m，v_2m)，第一中心点集合中的任一像素点(u_1m，v_1m)理论上在第二中心点集合中应该仅有唯一匹配的像素点(u_2n，v_2n)，相互匹配的像素点(u_1m，v_1m)和像素点(u_2n，v_2n)对应于实际空间中的同一个位置点。但同一个空间位置点在两个相机拍摄的图像中可能会呈现一定的偏差，比如，空间位置点A在第一图像中对应的像素点的位置可能稍微偏左，空间位置点A在第二图像中对应的像素点的位置可能稍微偏右，基于此因素，则可能导致像素点(u_1m，v_1m)在第二中心点集合中无法筛选到匹配点，或者，像素点(u_1m，v_1m)在第二中心点集合中存在两个及两个以上的匹配点，那么显然不能使该像素点(u_1m，v_1m)参与第一最凸点的计算，才能保证第一最凸点以及最佳检测点计算的准确性。

步骤S303，判断在所述第二中心点集合中是否筛选到与所述第一中心点集合中的任一像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)。如果判断结果为否，则执行步骤S304；反之，如果判断结果为是，则执行步骤S305。

步骤S303的一种实现方式是采用阈值匹配算法，具体为：在图像坐标系uov中，分别计算第一中心点集合中的任一像素点(u_1m，v_1m)与第二中心点集合中每个像素点的距离，组成距离值集合；如果距离值集合中仅有一个距离值小于或等于第一阈值，则确定筛选到与像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)，即像素点(u_2n，v_2n)与像素点(u_1m，v_1m)的距离小于或等于第一阈值；如果距离值集合中所有距离值都大于第一阈值，或者存在至少两个距离值小于或等于第一阈值，则确定未筛选到与像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)。

由于第一相机42和第二相机43的分辨率等拍摄参数都是相同的，因此可以将第一图像和第二图像导入同一个基准的图像坐标系uov中，相当于对第一图像和第二图像分别建立图像坐标系后，再将两个图像坐标系进行融合，以便于距离值集合的计算。

图7中每个子条纹对应一根线材，而待测样品表面各线材分布可能是凹凸不齐的，这样中心点越凸的子条纹对应的线材就越凸出，由于最佳检测点是待测样品表面的最凸点，为提高基于阈值匹配计算的最佳检测点的准确性，本实施例中利用第一结构光条纹和第二结构光条纹中，较凸的一批子条纹的高度来计算第一阈值，所述第一阈值为Min{H1，H2}，或者(H1+H2)/2。

其中，H1为第一子条纹集合中所有子条纹在所述图像坐标系中的高度的平均值；如果第一结构光条纹中各段子条纹的中心点按照v坐标值递增进行排序，说明越凸的中心点在第一中心点集合中排序越靠后，则所述第一子条纹集合包括第一中心点集合中排序在后一半的中心点对应的子条纹；如果第一结构光条纹中各段子条纹的中心点按照v坐标值递减进行排序，说明越凸的中心点在第一中心点集合中排序越靠前，则所述第一子条纹集合包括第一中心点集合中排序在前一半的中心点对应的子条纹。

H2为第二子条纹集合中所有子条纹在所述图像坐标系中的高度的平均值；如果第二结构光条纹中各段子条纹的中心点按照v坐标值递增进行排序，说明越凸的中心点在第二中心点集合中排序越靠后，则所述第二子条纹集合包括第二中心点集合中排序在后一半的中心点对应的子条纹；如果第二结构光条纹中各段子条纹的中心点按照v坐标值递减进行排序，说明越凸的中心点在第二中心点集合中排序越靠前，则所述第二子条纹集合包括第二中心点集合中排序在前一半的中心点对应的子条纹。

通过本申请的方式计算第一阈值，可以提高阈值匹配算法的准确性，从而提高第一最凸点和第二最凸点计算你的准确性，进而提高最佳检测点计算的准确性。当然，所述第一阈值不限于本实施例给出的取值，也可根据经验进行设定。

例如，第一中心点集合P₁(u_1m，v_1m)＝{(u₁₁，v₁₁)；(u₁₂，v₁₂)；(u₁₃，v₁₃)；(u₁₄，v₁₄)；(u₁₅，v₁₅)},第二中心点集合P₂(u_2n，v_2n)＝{(u₂₁，v₂₁)；(u₂₂，v₂₂)；(u₂₃，v₂₃)；(u₂₄，v₂₄)；(u₂₅，v₂₅)；(u₂₆，v₂₆)},对于像素点(u₁₁，v₁₁)，遍历第二中心点集合P₂(u_2n，v_2n)，计算出(u₁₁，v₁₁)与(u₂₁，v₂₁)的距离值为d1，(u₁₁，v₁₁)和(u₂₂，v₂₂)的距离值为d2，(u₁₁，v₁₁)和(u₂₃，v₂₃)的距离值为d3，(u₁₁，v₁₁)和(u₂₄，v₂₄)的距离值为d4，(u₁₁，v₁₁)和(u₂₅，v₂₅)的距离值为d5，(u₁₁，v₁₁)和(u₂₆，v₂₆)的距离值为d6，则组成像素点(u₁₁，v₁₁)对应的距离值集合D1＝{d1，d2，d2，d4，d5，d6}。

如果距离值集合D1＝{d1，d2，d3，d4，d5，d6}中，仅有d5小于第一阈值，d1、d2、d3、d4和d6都大于第一阈值，则(u₂₅，v₂₅)是第二中心点集合中与(u₁₁，v₁₁)相匹配的像素点，(u₁₁，v₁₁)和(u₂₅，v₂₅)构成匹配对；又例如，d 1、d2、d3、d4、d5和d6全部大于第一阈值，则在第二中心点集合中未筛选到与(u₁₁，v₁₁)相匹配的像素点，像素点(u₁₁，v₁₁)就应该被丢弃；又例如，d 1和d5小于第一阈值，d2、d3、d4和d6都大于第一阈值，即计算出第二中心点集合中存在两个像素点((u₂₁，v₂₁)和(u₂₅，v₂₅))与(u₁₁，v₁₁)匹配，显然像素点(u₁₁，v₁₁)不可能与第二图像中的两个像素点同时对应于一个空间位置点，这种情况下像素点(u₁₁，v₁₁)就应该被丢弃。

在分别计算第一中心点集合中任一像素点(u_1m，v_1m)与第二中心点集合中各像素点之间的距离时，如果某距离值大于第一阈值，说明像素点(u_1m，v_1m)与第二中心点集合中某像素点之间的位置偏差过大，那么这两个像素点就不是指向同一个空间位置点，即这两个像素点不匹配；反之，如果某距离值小于或等于第一阈值，说明像素点(u_1m，v_1m)与第二中心点集合中某像素点之间的位置偏差在允许的误差范围内，那么这两个像素点有可能是匹配的，则需要继续遍历第二中心点集合中其他所有的像素点，并按照如上阈值匹配方式，确定像素点(u_1m，v_1m)是否仅与第二中心点集合中的唯一一个像素点匹配。

步骤S304，将像素点(u_1m，v_1m)从所述第一中心点集合中删除。

对于第二中心点集合中未筛选到与像素点(u_1m，v_1m)唯一匹配的像素点，包括两种情况，一种是像素点(u_1m，v_1m)对应的距离值集合中所有距离值都大于第一阈值，即第二中心点集合中不存在像素点(u_1m，v_1m)的匹配点；另一种是像素点(u_1m，v_1m)对应的距离值集合中至少存在两个距离值小于或等于第一阈值，即第二中心点集合中存在至少两个与像素点(u_1m，v_1m)匹配的点。无论两者中的任一种情况，都需要将该像素点(u_1m，v_1m)从第一中心点集合中删除，使之不参与到第一最凸点的计算。

步骤S305，将像素点(u_1m，v_1m)保留在所述第一中心点集合中，并记录像素点(u_1m，v_1m)与像素点(u_2n，v_2n)为匹配对。

即第一中心点集合中，每确定出一个存在唯一匹配点的像素点(u_1m，v_1m)，都将该像素点(u_1m，v_1m)保留，并记录像素点(u_1m，v_1m)与像素点(u_2n，v_2n)为匹配对，即记录相互匹配的两个像素点之间的对应关系。

步骤S306，按照上述筛选方式遍历所述第一中心点集合，筛选完成后得到第一目标点集。即按照步骤S303～S305，对第一中心点集合中的所有像素点进行筛选，第一中心点集合中不符合条件的像素点都被删除，从而得到第一目标点集。

比如，原第一中心点集合P₁(u_1m，v_1m)＝{(u₁₁，v₁₁)；(u₁₂，v₁₂)；(u₁₃，v₁₃)；(u₁₄，v₁₄)；(u₁₅，v₁₅)},原第二中心点集合P₂(u_2m，v_2m)＝{(u₂₁，v₂₁)；(u₂₂，v₂₂)；(u₂₃，v₂₃)；(u₂₄，v₂₄)；(u₂₅，v₂₅)},遍历第一中心点集合P₁(u_1m，v_1m)，按照上述阈值匹配算法进行筛选，在此过程中，(u₁₂，v₁₂)和(u₁₄，v₁₄)从第一中心点集合中被删除，(u₁₁，v₁₁)与(u₂₁，v₂₁)为匹配对，(u₁₃，v₁₃)和(u₂₂，v₂₂)为匹配对，(u₁₅，v₁₅)和(u₂₃，v₂₃)为匹配对，则第一目标点集为{(u₁₁，v₁₁)；(u₁₃，v₁₃)；(u₁₅，v₁₅)}。

由于在第二中心点集合中查找到与(u₁₁，v₁₁)唯一匹配的像素点(u₂₁，v₂₁)，那么像素点(u₂₁，v₂₁)也就不再是第一中心点集合中除(u₁₁，v₁₁)之外其他像素点的匹配点，因此也就无需计算(u₂₁，v₂₁)与(u₁₂，v₁₂)；(u₁₃，v₁₃)；(u₁₄，v₁₄)；(u₁₅，v₁₅)的距离，从而减少计算量，提高运算效率。

步骤S307，确定所述第一目标点集中v坐标值最大的像素点为第一最凸点(u₁，v₁)，确定第一最凸点(u₁，v₁)所属匹配对中的另一个像素点为第二最凸点(u₂，v₂)。

即v₁＝v_1max，v_1max为第一目标点集中各像素点v坐标值的最大值，则(u₁，v₁)是第一感兴趣区域中在v轴方向最下方的点，所以为第一感兴趣区域中的最凸点，即第一最凸点。由于第一目标点集包括的像素点已经预先按照v坐标值进行了排序，则可以直接获取到第一最凸点，如果是按照v坐标值递增的顺序(升序)排序，则第一目标点集中序位号m最大的像素点即为第一最凸点；反之，如果按照v坐标值递减的顺序(降序)排序，则第一目标点集中序位号m最小的像素点即为第一最凸点。当第一最凸点确定后，根据之前记录的匹配对的对应关系，即可找到与第一最凸点匹配的第二最凸点。比如，按照之前的举例，对于第一目标点集{(u₁₁，v₁₁)；(u₁₃，v₁₃)；(u₁₅，v₁₅)}，是按照v坐标值递增的顺序(升序)排序，则(u₁₅，v₁₅)即为第一最凸点，那么(u₂₃，v₂₃)即为第二最凸点。

本实施例上述方式是从第一中心点集合的角度进行阈值匹配，在其他的实现方式中，也可从第二中心点集合的角度，具体为：判断在第一中心点集合中是否筛选到与第二中心点集合中的任一像素点(u_2n，v_2n)唯一匹配的像素点(u_1m，v_1m)；如果判断结果为否，则将像素点(u_2n，v_2n)从第二中心点集合中删除；反之，如果判断结果为是，则将像素点(u_2n，v_2n)保留在第二中心点集合中，并记录像素点(u_2n，v_2n)与像素点(u_1m，v_1m)为匹配对；然后，按照上述筛选方式遍历第二中心点集合，筛选完成后得到第二目标点集；确定所述第二目标点集中v坐标值最大的像素点为第二最凸点(u₂，v₂)，确定第二最凸点(u₂，v₂)所属匹配对中的另一个像素点为第一最凸点(u₁，v₁)。

判断在第一中心点集合中是否筛选到与第二中心点集合中的任一像素点(u_2n，v_2n)唯一匹配的像素点(u_1m，v_1m)时，在图像坐标系uov中，分别计算第二中心点集合中的任一像素点(u_2n，v_2n)与第一中心点集合中每个像素点的距离，组成对应的距离值集合；如果距离值集合中仅有一个距离值小于或等于第一阈值，则确定筛选到与像素点(u_2n，v_2n)唯一匹配的像素点(u_1m，v_1m)；如果距离值集合中所有距离值都大于第一阈值，或者存在至少两个距离值小于或等于第一阈值，则确定未筛选到与像素点(u_2n，v_2n)唯一匹配的像素点(u_1m，v_1m)。v₂＝v_2max，v_2max为第二目标点集中各像素点v坐标值的最大值，则(u₂，v₂)是第二感兴趣区域中在v轴方向最下方的点，所以为第二感兴趣区域中的最凸点，即第二最凸点。由于第二目标点集包括的像素点已经预先按照v坐标值进行了排序，则可以直接获取到第二最凸点，如果是按照v坐标值递增的顺序(升序)排序，则第二目标点集中序位号n最大的像素点即为第二最凸点；反之，如果按照v坐标值递减的顺序(降序)排序，则第二目标点集中序位号n最小的像素点即为第二最凸点。

需要说明的是，第一图像和第二图像中具有的结构光条纹的数量不限于本实施例中优选的1个，以第一图像为例，当第一图像中具有多个第一结构光条纹时，分别对每个第一结构光条纹按照上述阈值匹配算法计算最凸点(u_1i，v_1i)，其中，i表示第一结构光条纹的序号，1≦i≦N，N为第一图像中提取出的第一结构光条纹的数量，然后计算每个最凸点(u_1i，v_1i)对应的深度坐标值Zi；从深度坐标值Zi中筛选出最小深度坐标值Z_min，并将最小深度坐标值Z_min对应的像素点作为第一最凸点(u₁，v₁)。第二图像具有多个结构光条纹时，计算第二最凸点(u₂，v₂)的方式可参照对第一图像的计算方式，这里不再赘述。

步骤S4，根据所述第一最凸点和所述第二最凸点，计算最佳检测点的三维坐标。

在图8所示的控制系统5被配置为执行的另一种合金分析控制方法中，步骤S4进一步包括：

步骤S401，根据图像坐标系uov与世界坐标系XYZ的转换关系，计算第一最凸点(u₁，v₁)在世界坐标系XYZ中对应的坐标(X₁，Y₁)，以及第二最凸点(u₂，v₂)在世界坐标系XYZ中对应的坐标(X₂，Y₂)。

世界坐标系XYZ是在实际世界空间中建立的坐标系，图像坐标系uov和世界坐标系XYZ建立后，可以根据相机成像特性和拍摄位置等相关信息，预先获取到图像坐标系uov与世界坐标系XYZ之间的转换关系，图像坐标系uov中任意一像素点(u，v)都可以根据转换关系找到在世界坐标系XYZ对应的坐标点。因此分别将第一最凸点(u₁，v₁)和第二最凸点(u₂，v₂)映射到世界坐标系XYZ中，得到(u₁，v₁)对应的(X₁，Y₁)以及(u₂，v₂)对应的(X₂，Y₂)。

步骤S402，计算坐标(X₁，Y₁)和坐标(X₂，Y₂)的均值，得到所述最佳检测点的X坐标和Y坐标。

即X＝(X₁+X₂)/2，Y＝(Y₁+Y₂)/2。由于相机不可避免会存在些许拍摄误差，如果采用单一相机拍摄样品图像，那么根据样品图像获取最凸点，并将最凸点作为最佳检测点，会使得最佳检测点与实际待测样品表面的最凸点之间偏差过大，导致最佳检测点定位不准确。本申请中，将第一最凸点和第二最凸点对应在世界坐标系中的坐标值进行均值处理，可以使X坐标和Y坐标更加趋近于实际待测样品表面的最凸点，最佳检测点的定位精度更高。

步骤S403，计算所述最佳检测点的Z坐标，得到所述最佳检测点的三维坐标(X，Y，Z)。

本申请中可以采用基于双目视觉的三角测距方法来计算最佳检测点的Z坐标，Z坐标即为视觉定位装置4与待测样品100上的最佳检测点之间的距离(即图像深度)，间接说明机器人1需要沿Z轴方向行进多少距离，才能使得探头301触到最佳检测点。

本实施例示出的基于双目视觉的三角测距方法不需额外设置测距传感器，计算量显著降低，只需根据相机自身的配置参数、视觉定位装置4的结构特征，以及计算出的第一最凸点和第二最凸点的坐标值，并参照图9示出的几何关系，即可按照如下公式计算最佳检测点的Z坐标：

式中，T_x为第一相机42和第二相机43的水平距离，u₁为第一最凸点在所述图像坐标系中的横坐标，u₂为第二最凸点在所述图像坐标系中的横坐标，f为第一相机42和第二相机43的焦距，dx为第一相机42和第二相机43的固有参数值，dx取决于第一相机42和第二相机43的型号，当相机型号确定了，dx自然就确定了。当X坐标、Y坐标和Z坐标计算完成后，即可得到最佳检测点的三维坐标(X，Y，Z)。

如图10所示，控制系统5还被配置为执行如下程序步骤：在第一图像和/或第二图像中对最佳检测点进行标记，从而为使用者提供参照，便于使用者了解最佳检测点在第一图像和/或第二图像中的具体位置分布。可以根据图像坐标系uov和世界坐标系XYZ之间的转换关系，将最佳检测点三维坐标中的(X，Y)映射到图像坐标系uov中，即可得到最佳检测点在图像坐标系uov中的坐标(u_n，v_n)，然后将坐标(u_n，v_n)分别标记并呈现在第一图像和第二图像中即可。

步骤S5，根据机器人的当前位置和所述最佳检测点的三维坐标，生成机器人的目标运动轨迹。

步骤S6，控制机器人按照所述目标运动轨迹移动，使探头与所述最佳检测点接触。

步骤S7，控制合金分析仪对所述最佳检测点进行检测。

根据机器人1所处的当前位置和最佳检测点的三维坐标，即可生成机器人1的目标运动轨迹，目标运动轨迹应适于将合金分析仪3的探头31移动至最佳检测点上，并保证探头31与最佳检测能充分接触，然后控制系统5控制合金分析仪3启动，合金分析仪3对最佳检测点的检测和合金分析，并向控制系统5反馈检测结果。

在其他可能的实现方式中，所述合金分析系统还包括用于播报合金分析仪3的检测结果的语音装置6，语音装置6与控制系统5电连接，语音装置6可设置在机器人1上，或者其他需要进行语音提示的场景中。合金分析仪3对最佳检测点进行检测后，将对待测样品100的检测结果反馈给控制系统5，控制系统5控制语音装置6播报检测结果，以使现场人员获知待测样品100是否合格。

所述控制系统5还可被配置为：接收所述合金分析仪3的检测结果，控制语音装置6播报与所述检测结果对应的提示信息，控制机器人1回到初始位置。其中，所述初始位置为不进行合金分析的检测时机器人1停泊的位置，合金分析仪3工作完成后，使机器人1复位。所述提示信息可以预设在语音装置6中，提示信息比如可设置为某待测样品检测合格或不合格，提示信息的具体内容可以根据实际情况进行设定，本实施例不作限定。

在一种实现方式中，如图11所示，控制系统5可采用PLC控制器501+计算机502的组合控制结构，PLC控制器501与计算机502电连接，第一相机42、第二相机43和合金分析仪3分别与计算机502电连接，机器人1、结构光源41和语音装置6分别与PLC控制器501电连接。

计算机502接收到现场发出的样品待检测信号后，计算机502向PLC控制器501发送第一控制指令，PLC控制器501响应第一控制指令控制机器人1移动到预设拍摄位；机器人1到达预设拍摄位时向PLC控制器501反馈第一就位信号，PLC控制器501将第一就位信号传输至计算机502；计算机502接收到第一就位信号，分别向第一相机42和第二相机43发送第二控制指令，以控制第一相机42拍摄第一图像，同时控制第二相机43摄第二图像；第一相机42和第二相机43分别将拍摄的图像传输至计算机502中的图像处理系统，图像处理系统按照上述方法计算最佳检测点的三维坐标，并把最佳检测点的三维坐标发送给PLC控制器501；PLC控制器501根据最佳检测点的三维坐标生成第三控制指令，并将第三控制指令发送给机器人1；机器人1响应第三控制指令，控制合金分析仪3的探头31抵达最佳检测点。机器人1抵达最佳检测点时向PLC控制器501反馈第二就位信号，PLC控制器501将第二就位信号传输至计算机502；计算机502接收到第二就位信号，向合金分析仪3发送第四控制指令；合金分析仪3接收并响应第四控制指令后，启动对待测样品100的检测，并将检测数据发送给计算机502。

如果计算机502接收到合金分析仪3发送的检测数据，则向PLC控制器501发送确定信后，PLC控制器501接收到确定信号，则向机器人1发送第五控制指令，以控制机器人1回到初始位置，同时向语音装置6发送第六控制指令，以控制语音装置6播报与检测结果对应的提示信息；如果计算机502未接收到合金分析仪3发送的检测数据，说明合金分析仪3没有检测到数据，则计算机502向PLC控制器501发送重新检测信号，PLC控制器501接收到重新检测信号，向机器人发送第七控制指令，以控制机器人1回到预设拍摄位，重复上述控制流程，直至计算机502接收到有效的检测数据。

控制系统5可配置有控制程序以及图像处理系统等功能，控制系统5的具体硬件形式不限于本实施例所述。本实施例中，机器人1可选用ABB IRB4600型机器人，结构光源41选用OPT-SL10B型结构光源，合金分析仪3选用尼通XL2980型合金分析仪，第一相机42和第二相机43选用AVT Mako G-192B型工业相机。

由本实施例以上技术方案可知，当机器人1带动视觉定位装置4移动至预设拍摄位时，通过第一相机42和第二相机43，视觉定位装置4向控制系统5输入第一图像和第二图像。第一图像和第二图像包括背景和结构光条纹，分别提取第一结构光条纹和第二结构光条纹，从而将背景与结构光条纹分离，并进一步提取第一感兴趣区域和第二感兴趣区域，以便后续图像处理时提高最佳检测点定位的准确性和效率。

根据上述阈值匹配算法，从第一感兴趣区域筛选出第一最凸点，以及从第二感兴趣区域中筛选出第二最凸点，确保第一最凸点和第二最凸点指向同一个最佳检测点，并将第一最凸点和第二最凸点从图像坐标系映射到世界坐标系中，然后进行均值处理，由此计算出的最佳检测点的X坐标和Y坐标，使得最佳检测点更趋近于待测样品表面的最凸点，能够以较低的计算量，来提高合金分析仪的最佳检测点的定位精度和效率。

由于本申请采用第一相机42和第二相机43，因此可以采用基于双目视觉的三角测距法，在计算出第一最凸点和第二最凸点的基础上，即可快速获得最佳检测点的Z坐标，无需额外设置激光测距仪等测距元件，简化了合金分析系统的结构和计算量，提高合金分析仪3的检测效率。并且，本申请采用预设拍摄位的模式，前期无需利用测距元件不断定位和调整视觉定位装置4的位置，降低了系统的工作量，提高了系统的工作节奏，视觉定位装置4直接抵达预设拍摄位，然后快速投入对最佳检测点的定位计算。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (11)

1.一种合金分析系统，其特征在于，包括：

机器人(1)；

与所述机器人(1)连接的合金分析仪(3)，所述合金分析仪(3)包括探头(31)；

与所述机器人(1)连接并且与所述合金分析仪(3)相邻设置的视觉定位装置(4)，所述视觉定位装置(4)包括结构光源(41)，以及处于同一水平高度上的第一相机(42)和第二相机(43)；

控制系统(5)，分别与所述机器人(1)、所述合金分析仪(3)、所述结构光源(41)、所述第一相机(42)和所述第二相机(43)电连接，所述控制系统(5)被配置为执行：

响应于所述视觉定位装置(4)移动至预设拍摄位，启动所述结构光源(41)，控制所述第一相机(42)拍摄待测样品表面的第一图像，以及控制所述第二相机(43)拍摄待测样品表面的第二图像；

从所述第一图像中提取第一结构光条纹，以及，从所述第二图像中提取第二结构光条纹；

计算所述第一结构光条纹中的第一最凸点以及所述第二结构光条纹中的第二最凸点；

根据所述第一最凸点和所述第二最凸点，计算最佳检测点的三维坐标；

根据机器人(1)的当前位置和所述最佳检测点的三维坐标，生成机器人(1)的目标运动轨迹；

控制机器人(1)按照所述目标运动轨迹移动，使探头(31)与所述最佳检测点接触；

控制合金分析仪(3)对所述最佳检测点进行检测。

2.根据权利要求1所述的合金分析系统，其特征在于，所述控制系统(5)被进一步配置为按如下步骤计算所述第一最凸点和所述第二最凸点：

在图像坐标系uov中，对所述第一结构光条纹中各段子条纹的中心点按照v坐标值进行排序，得到第一中心点集合P₁(u_1m，v_1m)；

对所述第二结构光条纹中各段子条纹的中心点按照v坐标值进行排序，得到第二中心点集合P₂(u_2n，v_2n)；

判断在所述第二中心点集合中是否筛选到与所述第一中心点集合中的任一像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)；

如果判断结果为否，则将像素点(u_1m，v_1m)从所述第一中心点集合中删除；

如果判断结果为是，则将像素点(u_1m，v_1m)保留在所述第一中心点集合中，并记录像素点(u_1m，v_1m)与像素点(u_2n，v_2n)为匹配对；

按照上述筛选方式遍历所述第一中心点集合，筛选完成后得到第一目标点集；

确定所述第一目标点集中v坐标值最大的像素点为第一最凸点(u₁，v₁)，确定第一最凸点(u₁，v₁)所属匹配对中的另一个像素点为第二最凸点(u₂，v₂)。

3.根据权利要求2所述的合金分析系统，其特征在于，所述控制系统(5)被进一步配置为按如下步骤判断在所述第二中心点集合中是否筛选到与所述第一中心点集合中的任一像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)：

在图像坐标系uov中，分别计算所述第一中心点集合中的任一像素点(u_1m，v_1m)与所述第二中心点集合中每个像素点的距离，组成距离值集合；

如果所述距离值集合中仅有一个距离值小于或等于第一阈值，则确定筛选到与像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)；

如果所述距离值集合中所有距离值都大于第一阈值，或者存在至少两个距离值小于或等于第一阈值，则确定未筛选到与像素点(u_1m，v_1m)唯一匹配的像素点(u_2n，v_2n)；

其中，像素点(u_2n，v_2n)与像素点(u_1m，v_1m)的距离小于或等于第一阈值。

4.根据权利要求2或3所述的合金分析系统，其特征在于，所述控制系统(5)被进一步配置为按如下步骤计算最佳检测点的三维坐标：

根据图像坐标系uov与世界坐标系XYZ的转换关系，计算第一最凸点(u₁，v₁)在世界坐标系XYZ中对应的坐标(X₁，Y₁)，以及第二最凸点(u₂，v₂)在世界坐标系XYZ中对应的坐标(X₂，Y₂)；

计算坐标(X₁，Y₁)和坐标(X₂，Y₂)的均值，得到所述最佳检测点的X坐标和Y坐标；

计算所述最佳检测点的Z坐标，得到所述最佳检测点的三维坐标(X，Y，Z)。

5.根据权利要求4所述的合金分析系统，其特征在于，所述控制器(5)被进一步配置为按照如下公式计算所述最佳检测点的Z坐标：

式中，T_x为第一相机(42)和第二相机(43)的水平距离，u₁为所述第一最凸点在所述图像坐标系中的横坐标，u₂为所述第二最凸点在所述图像坐标系中的横坐标，f为第一相机(42)和第二相机(43)的焦距，dx为第一相机(42)和第二相机(43)的固有参数值。

6.根据权利要求3所述的合金分析系统，其特征在于，所述第一阈值为Min{H1，H2}，或者,所述第一阈值为(H1+H2)/2；

其中，H1为第一子条纹集合中所有子条纹在所述图像坐标系中的高度的平均值；如果所述第一结构光条纹中各段子条纹的中心点按照v坐标值递增进行排序，则所述第一子条纹集合包括所述第一中心点集合中排序在后一半的中心点对应的子条纹；如果所述第一结构光条纹中各段子条纹的中心点按照v坐标值递减进行排序，则所述第一子条纹集合包括所述第一中心点集合中排序在前一半的中心点对应的子条纹；

H2为第二子条纹集合中所有子条纹在所述图像坐标系中的高度的平均值；如果所述第二结构光条纹中各段子条纹的中心点按照v坐标值递增进行排序，则所述第二子条纹集合包括所述第二中心点集合中排序在后一半的中心点对应的子条纹；如果所述第二结构光条纹中各段子条纹的中心点按照v坐标值递减进行排序，则所述第二子条纹集合包括所述第二中心点集合中排序在前一半的中心点对应的子条纹。

7.根据权利要求1所述的合金分析系统，其特征在于，所述控制系统(5)被进一步配置为按照如下步骤提取所述第一结构光条纹和所述第二结构光条纹：

分别采集所述第一图像和所述第二图像中各像素点的灰度值；

判断所述灰度值是否大于或等于第二阈值；

如果所述灰度值大于或等于第二阈值，则确定所述像素点为目标点；

提取所述第一图像中的全部目标点，组成所述第一结构光条纹；以及，提取所述第二图像中的全部目标点，组成所述第二结构光条纹。

8.根据权利要求2所述的合金分析系统，其特征在于，在计算所述第一中心点集合P₁(u_1m，v_1m)和第二中心点集合P₂(u_2m，v_2m)时，所述控制系统(5)被进一步配置为：

设定所述第一结构光条纹的第一感兴趣区域，以及，设定所述第二结构光条纹的第二感兴趣区域；

对所述第一感兴趣区域中各段子条纹的中心点按照v坐标值进行排序，得到第一中心点集合P₁(u_1m，v_1m)；

对所述第二感兴趣区域中各段子条纹的中心点按照v坐标值进行排序，得到第二中心点集合P₂(u_2n，v_2n)；

其中，所述第一感兴趣区域为所述第一结构光条纹中除两侧边缘区域之外的条纹区域，所述第二感兴趣区域为所述第二结构光条纹中除两侧边缘区域之外的条纹区域。

9.根据权利要求1所述的合金分析系统，其特征在于，所述控制系统(5)还被配置为执行如下程序步骤：在所述第一图像和/或所述第二图像中对所述最佳检测点进行标记。

10.根据权利要求1所述的合金分析系统，其特征在于，所述视觉定位装置(4)还包括底板(44)和外护罩(45)，所述外护罩(45)的前端面板(451)呈透明，所述外护罩(45)的后端固定在所述底板(44)上；所述结构光源(41)、所述第一相机(42)和所述第二相机(43)位于所述外护罩(45)的内部，所述结构光源(41)、所述第一相机(42)和所述第二相机(43)固定在所述底板(44)上；所述结构光源(41)、所述第一相机(42)和所述第二相机(43)的轴心处于同一竖直平面上；

所述合金分析系统还包括支架(2)，所述支架(2)的第一端(24)通过法兰(21)与所述机器人(1)连接，所述合金分析仪(3)安装在所述支架(2)的第二端(25)，所述支架(2)的第二端(25)设有与底板(44)连接的安装板(22)。

11.根据权利要求1所述的合金分析系统，其特征在于，还包括用于播报所述合金分析仪(3)的检测结果的语音装置(6)，所述语音装置(6)与所述控制系统(5)电连接，所述控制系统(5)还被配置为执行如下程序步骤：

接收所述合金分析仪(3)的检测结果；

控制所述语音装置(6)播报与所述检测结果对应的提示信息；

控制所述机器人(1)回到初始位置。

Images