CN115103087A - 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质 - Google Patents

一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质 Download PDF

Info

Publication number
CN115103087A
CN115103087A CN202110763760.8A CN202110763760A CN115103087A CN 115103087 A CN115103087 A CN 115103087A CN 202110763760 A CN202110763760 A CN 202110763760A CN 115103087 A CN115103087 A CN 115103087A
Authority
CN
China
Prior art keywords
edge gradient
image
gradient value
liquid lens
dpt
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.)
Pending
Application number
CN202110763760.8A
Other languages
English (en)
Inventor
张健
周波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yingwa Suzhou Logistics Technology Co ltd
Original Assignee
Yingwa Suzhou Logistics Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yingwa Suzhou Logistics Technology Co ltd filed Critical Yingwa Suzhou Logistics Technology Co ltd
Priority to CN202110763760.8A priority Critical patent/CN115103087A/zh
Publication of CN115103087A publication Critical patent/CN115103087A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
    • G02B26/004—Optical devices or arrangements for the control of light using movable or deformable optical elements based on a displacement or a deformation of a fluid
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B13/00—Viewfinders; Focusing aids for cameras; Means for focusing for cameras; Autofocus systems for cameras
    • G03B13/32—Means for focusing
    • G03B13/34—Power focusing
    • G03B13/36—Autofocus systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Automatic Focus Adjustment (AREA)

Abstract

本发明提供一种机器人视觉自动聚焦系统、方法及存储介质，包括：图像捕捉模组，图像步骤模块包括液态镜头；自动聚焦控制模块，用以控制液态镜头，其中，自动聚焦控制模块包括：图像获取单元，用以获取图像捕捉模组所捕捉的图像；图像处理单元，用以对捕捉的图像进行计算获得边缘梯度值；液态镜头目标位置处理单元，用以将计算获得的边缘梯度值结合预先存储的EG‑DPT关系曲线来确定液态镜头将要移动至的目标位置；液态镜头位移控制单元，用以控制液态镜头移动至一预设位置或目标位置；进一步的，自动聚焦控制模块用以在满足预设条件时自动结束聚焦过程；本技术方案能有效的缩短图像捕捉装置的聚焦时间、实现快速聚焦的同时，能够得到最佳的图像效果。

Description

一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种机器人视觉自动聚焦系统和自动聚焦方法及存储介质。
背景技术
图像捕捉装置、比如用于拍照或监视功能的摄像装置包括相机和镜头，根据应用不同，可能使用不同的镜头，例如广角镜头、长焦镜头或变焦镜头。通常，比如在安装新的镜头之后，必须手动调焦。
现有技术中，可以通过3D深度估计法来计算焦点的位置。然而，在这种技术中，每次焦点的调整都需要用2个图像传感器获取2个图像，并且需要大量的计算资源，不易或甚至不可能在实时系统上使用。
另一种方式是采用电机控制镜头使其以固定的步距移动，实现聚焦的目的。然而，从距焦点很远的位置以固定的步距移动镜头会使聚焦过程花费很长的时间。在用图像锐度作为图像聚焦标准的情况下，步距不能太大，通常该值较小，因为由于电机的精度不高和抖动的存在不能确保采集的图像为聚焦好的图像。这相应地需要耗费大量的资源，比如计算资源，所以也难以在实时系统上使用。
发明内容
针对现有的摄像头控制聚焦存在的问题，本申请旨在提供一种快速实现聚焦的新的机器人视觉自动聚焦系统、方法及存储介质。
一种机器人视觉自动聚焦系统，其中，包括：
图像捕捉模组1，所述图像步骤模块1包括液态镜头11；
自动聚焦控制模块2，用以控制所述液态镜头11，其中，所述自动聚焦控制模块2包括：
图像获取单元21，用以获取所述图像捕捉模组所捕捉的图像；
图像处理单元22，用以对捕捉的所述图像进行计算获得边缘梯度值；
液态镜头目标位置处理单元23，用以将计算获得的所述边缘梯度值结合预先存储的EG-DPT关系曲线来确定所述液态镜头将要移动至的目标位置；和
液态镜头位移控制单元24，用以控制所述液态镜头移动至一预设位置或所述目标位置；
进一步的，所述自动聚焦控制模块2用以在满足预设条件时自动结束聚焦过程；
所述预设条件包括：
当前的所述图像的边缘梯度值大于所述EG-DPT关系曲线上的特定边缘梯度值，其中，将当前的所述图像按序号记为图像N；以及
所述图像N与图像N-1之间的边缘梯度值之差小于零；以及
所述图像N-1与图像N-2之间的边缘梯度值之差小于零；
其中，所述图像N-2、图像N-1及图像N表示图像顺序。
优选的，所述液态镜头目标位置处理单元23包括：
区段判断单元231，用以判断所述计算得到的边缘梯度值处于所述EG-DPT关系曲线中的哪一区段；
位置处理单元232，用以基于所述区段的拟合直线斜率以及所述区段的最大边缘梯度值来计算要获得所述最大边缘梯度值，并根据所述最大边缘梯度值针对性的将所述液态镜头移动至对应的目标位置。
优选的，所述EG-DPT关系曲线近似正态分布曲线。
优选的，所述EG-DPT关系曲线被划分成至少四个区段，所述区段具体包括：
边缘梯度值随所述液态镜头位置的增加响应较慢的慢响应区段A；以及
边缘梯度值随所述液态镜头位置的增加响应较快的快响应区段C；以及
位于所述A、C两者之间的中间响应区段B；以及
边缘梯度值随所述液态镜头位置的增加呈抖动式变化的抖动响应区段(D，其中所述特定边缘梯度值在所述抖动响应区段D内。
优选的，还包括存储单元3，所述存储单元存储有所述EG-DPT关系曲线、所述EG-DPT关系曲线的各个区段的最大边缘梯度值，基于图像计算边缘梯度值的算法模型，以及计算所述目标位置的公式。
优选的，所述图像获取单元21、所述图像处理单元22所述液态镜头目标位置处理单元23、液态镜头位移控制单元24和所述存储单元3彼此独立地提供，或者集成为一体。
优选的，所述图像处理模块通过索贝尔卷积算法计算图像的边缘梯度值；和/或所述EG-DPT关系曲线通过实测数据处理获得。
还包括一种机器人视觉自动聚焦方法，其中，包括：
步骤S1、对拍摄对象进行拍照以生成第一图像，计算所述第一图像的边缘梯度作为第一边缘梯度值，并将所述液态镜头移动至预设位置；
步骤S2、在所述预设位置继续对拍摄对象进行拍照以生成第二图像；计算所述第二图像的边缘梯度作为第二边缘梯度值；并且继续移动所述液态镜头；
步骤S3、对拍摄对象进行拍照以生成第三图像，计算所述第三图像的边缘梯度作为第三边缘梯度值；
步骤S4、对所述步骤S1-步骤S3中生成的边缘梯度值进行综合判断，是否满足预设条件，若是，结束聚焦处理，若否，跳转至步骤S5，其中，所述预设条件包括：
所述第三边缘梯度值大于一特定边缘梯度值；以及
所述第三边缘梯度值与所述第二边缘梯度值的第一差值和所述第二边缘梯度值与所述第一边缘梯度值的第二差值均小于零；
步骤S5、基于EG-DPT关系曲线以及所述第三边缘梯度值计算液态镜头将要移动至的目标位置EE；
步骤S6、使液态镜头移动至所述目标位置EE；
步骤S7、用当前的所述第二边缘梯度值所述第三边缘梯度值更新第一边缘梯度值和第二边缘梯度值并返回步骤S3。
优选的，在所述步骤S3中，计算液态镜头将要移动至的目标位置EE的方法包括：
步骤S31、确定所述第三边缘梯度值处于所述EG-DPT关系曲线中的哪一区段，
步骤S32、计算使所述第三边缘梯度值变化至所述区段的最大边缘梯度值需要将液态镜头移送至的所述目标位置EE。
优选的，在所述步骤S2中，移动所述液态镜头的位置方法包括：
将液态镜头移动到另一预设位置；或者
基于所述EG-DPT关系曲线和第二边缘梯度值计算液态镜头将要移动至的目标位置和将液态镜头移送至所述目标位置。
优选的，在所述步骤S4中，在第三边缘梯度值大于特定边缘梯度值并且所述第一差值和所述第二差值(均小于零的情况下，将液态镜头移动至与所述第一边缘梯度值对应的液态镜头位置，然后跳转至结束步骤。
还包括，一种可读存储介质，其上存储有可执行指令，当所述可执行指令被执行时使得机器执行上述的机器人视觉自动聚焦方法中的至少一些步骤。
上述技术方案的有益效果包括：
本技术方案中采用带有屈光度的液态镜头，非步进电机作为控制元件，能够达到更好的图像精确度，并且响应速度更快。
本申请的自动聚焦方法利用边缘梯度作为图像是否清晰、拍摄系统是否需要进一步聚焦的标准，通过计算索贝尔卷积后的平均值得到边缘梯度值，克服了噪音的影响。
在本申请的机器人视觉自动聚焦系统和方法中，采用正态分布曲线的“68-95-99.7法则”将近似正态分布的边缘梯度值液态镜头位置与液态镜头的位置的关系曲线的分为若干区段。
在本申请的被划分为7个区段、单侧四个区段并且边缘梯度值最大的区段共用的实施例中，基于任一被拍摄图像，都通过计算的方式一次性将液态镜头移动到使下一次拍摄的图像的边缘梯度值基本上实现本区段的最大边缘梯度值的位置，计算液态镜头的移动目标位置过程中精确地考虑了移动方向的准确性。这样，能够实现通过最少次数的移动液态镜头而实现最快地聚焦效果。本申请的系统和方法在最大程度地缩短图像捕捉装置的聚焦时间、实现快速聚焦的同时，能够得到最佳的图像效果。
附图说明
图1是根据本申请的机器人视觉自动聚焦系统的示意性框图；
图2是根据本申请的机器人视觉自动聚焦方法的流程示意图；
图3是以液态镜头的屈光度数值表示的液态镜头位置与边缘梯度值的关系曲线；
图4示出了正态分布曲线的“68-95-99.7法则”；
图5是液态镜头位置与边缘梯度值的关系曲线按照“68-95-99.7法则”划分区段的示意图；
图6示意出液态镜头位置与边缘梯度值关系曲线的一区段的拟合直线；
图7是根据本申请的机器人视觉自动聚焦方法的流程图。
上述附图标记表示：
1、图像捕捉模组；11、液态镜头；2、自动聚焦控制模块；3、存储单元；21、图像获取单元；22、图像处理单元；23、液态镜头目标位置处理单元；24、液态镜头位移控制单元。
具体实施方式
结合以下本发明的优选实施方法的详述以及包括的实施例可进一步地理解本发明的内容。当描述本申请的实施方式时，使用“优选的”、“优选地”、“更优选的”等是指，在某些情况下可提供某些有益效果的本发明实施方案。然而，在相同的情况下或其他情况下，其他实施方案也可能是优选的。除此之外，对一个或多个优选实施方案的表述并不暗示其他实施方案不可用，也并非旨在将其他实施方案排除在本发明的范围之外。
具体技术方案如下：
一种机器人视觉自动聚焦系统，其中，包括：
图像捕捉模组1，所述图像步骤模块1包括液态镜头11；
自动聚焦控制模块2，用以控制所述液态镜头11，其中，所述自动聚焦控制模块2包括：
图像获取单元21，用以获取所述图像捕捉模组所捕捉的图像；
图像处理单元22，用以对捕捉的所述图像进行计算获得边缘梯度值；
液态镜头11目标位置处理单元23，用以将计算获得的所述边缘梯度值结合预先存储的EG-DPT关系曲线来确定所述液态镜头11将要移动至的目标位置；和
液态镜头11位移控制单元24，用以控制所述液态镜头11移动至一预设位置或所述目标位置；
进一步的，所述自动聚焦控制模块2用以在满足预设条件时自动结束聚焦过程；
所述预设条件包括：
当前的所述图像的边缘梯度值大于所述EG-DPT关系曲线上的特定边缘梯度值，其中，将当前的所述图像标记为图像N；以及
所述图像N与图像N-1之间的边缘梯度值之差小于零；以及
所述图像N-1与图像N-2之间的边缘梯度值之差小于零；
其中，所述图像N-2、图像N-1及图像N表示图像顺序。
于上述方案基础上，进一步的，所述液态镜头11目标位置处理单元23包括：
区段判断单元(未于图中示出)，用以判断所述计算得到的边缘梯度值处于所述EG-DPT关系曲线中的哪一区段；
位置处理单元(未于图中示出)，用以基于所述区段的拟合直线斜率以及所述区段的最大边缘梯度值来计算要获得所述最大边缘梯度值，并根据所述最大边缘梯度值针对性的将所述液态镜头11移动至对应的目标位置。
于上述方案基础上，进一步的，所述EG-DPT关系曲线近似正态分布曲线。
于上述方案基础上，进一步的，所述EG-DPT关系曲线被划分成至少四个区段，所述区段具体包括：
边缘梯度值随所述液态镜头11位置的增加响应较慢的慢响应区段A；以及
边缘梯度值随所述液态镜头11位置的增加响应较快的快响应区段C；以及
位于所述A、C两者之间的中间响应区段B；以及
边缘梯度值随所述液态镜头11位置的增加呈抖动式变化的抖动响应区段(D，其中所述特定边缘梯度值在所述抖动响应区段D内。
于上述方案基础上，进一步的，还包括存储单元3，所述存储单元存储有所述EG-DPT关系曲线、所述EG-DPT关系曲线的各个区段的最大边缘梯度值，基于图像计算边缘梯度值的算法模型，以及计算所述目标位置的公式。
于上述方案基础上，进一步的，所述图像获取单元21、所述图像处理单元22所述液态镜头11目标位置处理单元23、液态镜头11位移控制单元24和所述存储单元3彼此独立地提供，或者集成为一体。
于上述方案基础上，进一步的，所述图像处理模块通过索贝尔卷积算法计算图像的边缘梯度值；和/或所述EG-DPT关系曲线通过实测数据处理获得。
还包括一种机器人视觉自动聚焦方法，其中，包括：
步骤S1、对拍摄对象进行拍照以生成第一图像，计算所述第一图像的边缘梯度作为第一边缘梯度值，并将所述液态镜头11移动至预设位置；
步骤S2、在所述预设位置继续对拍摄对象进行拍照以生成第二图像；计算所述第二图像的边缘梯度作为第二边缘梯度值；并且继续移动所述液态镜头11；
步骤S3、对拍摄对象进行拍照以生成第三图像，计算所述第三图像的边缘梯度作为第三边缘梯度值；
步骤S4、对所述步骤S1-步骤S3中生成的边缘梯度值进行综合判断，是否满足预设条件，若是，结束聚焦处理，若否，跳转至步骤S5，其中，所述预设条件包括：
所述第三边缘梯度值大于一特定边缘梯度值；以及
所述第三边缘梯度值与所述第二边缘梯度值的第一差值和所述第二边缘梯度值与所述第一边缘梯度值的第二差值均小于零；
步骤S5、基于EG-DPT关系曲线以及所述第三边缘梯度值计算液态镜头11将要移动至的目标位置E；
步骤S6、使液态镜头11移动至所述目标位置E；
步骤S7、用当前的所述第二边缘梯度值所述第三边缘梯度值更新第一边缘梯度值和第二边缘梯度值并返回步骤S3。
于上述方案基础上，进一步的，在所述步骤S3中，计算液态镜头11将要移动至的目标位置E的方法包括：
确定所述第三边缘梯度值处于所述EG-DPT关系曲线中的哪一区段，
计算使所述第三边缘梯度值变化至所述区段的最大边缘梯度值需要将液态镜头11移送至的所述目标位置E。
于上述方案基础上，进一步的，在所述步骤S2中，移动所述液态镜头11的位置方法包括：
将液态镜头11移动到另一预设位置；或者
基于所述EG-DPT关系曲线和第二边缘梯度值计算液态镜头11将要移动至的目标位置和将液态镜头11移送至所述目标位置。
于上述方案基础上，进一步的，在所述步骤S4中，在第三边缘梯度值大于特定边缘梯度值并且所述第一差值和所述第二差值均小于零的情况下，将液态镜头11移动至与所述第一边缘梯度值对应的液态镜头11位置，然后跳转至结束步骤。
还包括一种可读存储介质，其上存储有可执行指令，当所述可执行指令被执行时使得机器执行上任一项所述的自动聚焦方法中的至少一些步骤。
实施例一
如图1所示，一种机器人视觉自动聚焦系统的实施例，其中，包括：
图像捕捉模组1，所述图像步骤模块1包括液态镜头11；
自动聚焦控制模块2，用以控制所述液态镜头11的工作模式；
其中，所述自动聚焦控制模块2包括：
图像获取单元21，用以获取所述图像捕捉模组所捕捉的图像；
图像处理单元22，用以对捕捉的所述图像进行计算获得边缘梯度值；
液态镜头11目标位置处理单元23，用以将计算获得的所述边缘梯度值结合预先存储的EG-DPT关系曲线来确定所述液态镜头11将要移动至的目标位置；和
液态镜头11位移控制单元24，用以控制所述液态镜头11移动至一预设位置或所述目标位置；
进一步的，所述自动聚焦控制模块2用以在满足预设条件时自动结束聚焦过程；
所述预设条件包括：
当前的所述图像的边缘梯度值大于所述EG-DPT关系曲线上的特定边缘梯度值，其中，将当前的所述图像标记为图像N；以及
所述图像N与图像N-1之间的边缘梯度值之差小于零；以及
所述图像N-1与图像N-2之间的边缘梯度值之差小于零；
其中，所述图像N-2、图像N-1及图像N表示图像顺序。
上述技术方案中，图像捕捉模组1可以是相机、摄像机等任何本领域内熟知的图像捕捉装置。以下以一具体实施例进行说明，所示，图像捕捉模组(1)包括相机和本领域内熟知的常规闭路电视(CCTV)镜头。
其中，拍摄对象4、例如产品用标记表示。本申请的机器人视觉自动聚焦系统利用安装到图像捕捉模组的图像捕捉模组1实现图像捕捉模组在拍摄对象4时的自动聚焦。
具体而言，自动聚焦控制模块2包括图像识别和处理模块122，液态镜头11目标位置处理单元124，以及液态镜头11位移控制单元24。
自动聚焦控制模块2的图像识别和处理模块122被配置用于接收图像捕捉模组拍摄的图像并处理图像。此处，处理图像包括计算图像的边缘梯度值EG。
本申请中，边缘梯度值EG的计算可采用索贝尔(Sobel)卷积算法，需要理解的是，除了索贝尔(Sobel)卷积算法还可以采用本领域内任何可用的算法，如普利维特算子、罗伯茨交叉边缘检测、拉普拉斯算子等等。
作为一个示例，本申请优选为索贝尔(Sobel)卷积算法，具体地，对图像或其一区的每一像素点计算索贝尔因子Gx和Gy并由此得出每一点的灰度值。然后，Sobel算子对像素点上下、左右相邻的像素点的灰度值进行加权操作，得到该图像或该区的灰度平均值、即边缘梯度值EG。本申请利用Sobel卷积算法来计算边缘梯度值能够降低噪音的影响。
液态镜头11目标位置处理单元124被配置用于计算图像捕捉模组1将被移动到的目标位置。图像捕捉模组1的位置决定着镜头的屈光度，镜头的屈光度随着镜头的位置改变，两者是一一对应的。所以，在本申请的技术方案中，液态镜头11位置用容易测得的镜头的屈光度DPT代替或表征，本技术方案中使用的“DPT”或“DPT值”本质上对应于图像捕捉模组1的位置，并且为简单起见，“液态镜头11目标位置处理单元”也成为“DPT计算模块”。
液态镜头11目标位置处理单元23被配置成首先获取图像捕捉模组1的位置，然后基于液态镜头11的位置、图像处理模块22计算得到的边缘梯度值、以及边缘梯度值-液态镜头11位置关系曲线(下技术方案中成为“EG-DPT关系曲线”)来计算图像捕捉模组1将要移动至的目标位置(用DPT值表示)。
液态镜头11位移控制单元24被配置用于控制液态镜头11使其移动，例如移动到预设位置DPTPRE或者移动到液态镜头11目标位置处理单元23计算得到的目标位置DPT。
自动聚焦控制模块2可以还包括存储单元3，其可以独立于图像获取单元21、图像处理单元22、液态镜头11目标位置处理单元23、和液态镜头11位移控制单元24提供，或者可以集成于任一者中。此外，自动聚焦控制模块2的图像获取单元21、图像处理单元22、液态镜头11目标位置处理单元23、以及液态镜头11位移控制单元24中的任两者或全部可以集成地提供。
图3示出了发明人进行了很多实验后得到的边缘梯度值EG与图像捕捉模组1的位置之间的关系曲线，即EG-DPT关系曲线。其中，横坐标为用镜头屈光度DPT表示的液态镜头11位置，纵坐标为在该位置由图像捕捉模组拍摄的图像的边缘梯度值EG，从图中可以看出，两者的关系曲线呈近似正太分布曲线。例如，在一些实施例中，DPT的数值从-15到+15变化，并且在DPT为大约-1的位置，边缘梯度值最大，即图像最清晰。
图4示出了针对正态分布曲线的“68-95-99.7法则”，其中约68％的数值分布在距离平均值μ有1个标准差之内的范围(μ-σ，μ+σ)，约95％数值分布在距离平均值μ有2个标准差之内的范围(μ-2σ，μ+2σ)，以及约99.7％数值分布在距离平均值μ有3个标准差之内的范围(μ-3σ，μ+3σ)。
在图5中，按照图4的“68-95-99.7法则”对图2的正态分布曲线进行区段划分，得到区段A、B、C和D。区段A表示EG值随DPT值的增加响应较慢的区段(在技术方案中称为“慢响应区段”)，其中该区段A与区段B的交点PA具有区段A的最大边缘梯度值EGSP和最大DPT值DPTSP、即PA点的坐标为(DPTSP，EGSP)；区段C表示EG值随DPT值的增加响应较快的区段(在下技术方案中称为“快响应区段”)，其中该区段C与区段D的交点PC具有区段C的最大边缘梯度值EGFP和最大DPT值DPTFP、即PC点的坐标为(DPTFP，EGFP)；在区段B中，EG值随DPT增加的响应快慢程度在区段A和区段C之间，在下技术方案中称为“中间响应区段”，区段B与区段C的交点PB具有区段B的最大EG值EGMP和最大DPT值DPTMP、即PB点的坐标为(DPTMP，EGMP)；区段D则表示EG值随DPT的增加而抖动的响应区段，满足聚焦要求的边缘梯度值EG在该区段内。
对于不同的区段A、B、C，可以通过对实验数据中相应区段内的不同点的数据进行回归分析的方法进行线性拟合，得到各区段的拟合直线段的斜率，区段A、B、C的拟合直线斜率用KSP，KMP，KFP表示，图5示出了对中间响应区段的KMP进行线性拟合的示意，图中的点为实验数据点，直线为拟合生成的直线。
实施例二
本发明的技术方案中还包括一种机器人视觉自动聚焦方法。
如图2所示，一种机器人视觉自动聚焦方法的实施例，具体包括以下步骤：
本申请的自动聚焦方法首先包括初始化图像捕捉模组和图像捕捉模组1的初始化步骤S0。例如，在本实施例中，处于初始位置的图像捕捉模组1的初始化DPT值为0，当然初始位置不仅限于此，而是可以任意设置。
具体步骤包括：
步骤S1、对拍摄对象进行拍照以生成第一图像IMA1，计算所述第一图像IMA1的边缘梯度作为第一边缘梯度值，并将所述液态镜头11移动至预设位置；
步骤S2、在所述预设位置继续对拍摄对象进行拍照以生成第二图像；计算所述第二图像的边缘梯度作为第二边缘梯度值；并且继续移动所述液态镜头11；
步骤S3、对拍摄对象进行拍照以生成第三图像，计算所述第三图像的边缘梯度作为第三边缘梯度值；
步骤S4、对所述步骤S1-步骤S3中生成的边缘梯度值进行综合判断，是否满足预设条件，若是，结束聚焦处理，若否，跳转至步骤S5，其中，所述预设条件包括：
所述第三边缘梯度值大于一特定边缘梯度值；以及
所述第三边缘梯度值与所述第二边缘梯度值的第一差值和所述第二边缘梯度值与所述第一边缘梯度值的第二差值均小于零；
步骤S5、基于EG-DPT关系曲线以及所述第三边缘梯度值计算液态镜头11将要移动至的目标位置E；
步骤S6、使液态镜头11移动至所述目标位置E；
步骤S7、用当前的所述第二边缘梯度值所述第三边缘梯度值更新第一边缘梯度值和第二边缘梯度值并返回步骤S3。
进一步的，如图7所示，上述技术方案中，在所述步骤S1中，具体包括以下步骤：
步骤S11，利用图像捕捉模组对拍摄对象10进行拍照，生成第一图像IMA1；
步骤S12，利用自动聚焦控制模块2的图像获取单元21从图像捕捉模组接收该第一图像IMA1，图像处理单元22利用上述索贝尔卷积算法计算第一图像IMA1的边缘梯度值，作为第一边缘梯度值EG1；
步骤S13，自动控制装置120自动聚焦控制模块2存储第一图像IMA1的第一边缘梯度值EG1；以及
步骤S14，利用液态镜头11位移控制单元24控制图像捕捉模组1使其移动至预设位置DPTPRE，其中在该步骤S14中，移动可以按照预设移动方向进行，例如，预设移动方向为朝向DPT值增大的方向，例如将其设定为正方向，相反的方向为负方向。当然，这不是必须的，也可以设置DPT值减小的方向为正方向。在一个实施例中，此预设位置DPTPRE可以为+0.01，+0.25，+0.5，或任意其它数值。
接着，在步骤S2中，自动聚焦方法包括拍摄第二图像IMA2并处理第二图像IMA2的第二步骤S2。具体而言，步骤S2包括：
步骤S21，利用图像捕捉模组对拍摄对象10进行拍照，生成第二图像IMA2；
步骤S22，自动聚焦控制模块2的图像获取单元21从图像捕捉模组接收该第二图像IMA2，图像处理单元22利用上述索贝尔卷积算法计算第二边缘梯度值EG2；
步骤S23，自动聚焦控制模块2存储对应于第二图像IMA2的第二边缘梯度值EG2；以及
步骤S24，液态镜头11位移控制单元24控制图像捕捉模组1使其移动。
在一些实施例中，在步骤S24中包括液态镜头11位移控制单元24控制图像捕捉模组1使其移动至第二预设位置DPTPRE2。在另外一些实施例中，不同于预设此位置DPTPRE2，第三子步骤S23还包括计算图像捕捉模组1将移动至的目标位置，计算方法见下述的公式(I)或(II)或(III)，其中，当前边缘梯度值EGC和当前位置DPTC分别为EG2和DPT2，并且在EG2大于EG1时方向因子LD为1，否则LD为-1。
接着，进入步骤S3，自动聚焦方法包括拍摄第三图像IMA3并处理第三图像IMA3的第三步骤S3。步骤S3包括：
步骤S31，其中利用图像捕捉模组对拍摄对象10进行拍照，生成第三图像IMA3；
步骤S32，其中自动聚焦控制模块2的图像获取单元21从图像捕捉模组接收该第三图像IMA3，图像处理单元22利用上述索贝尔卷积算法计算第三边缘梯度值EG3；
步骤S33，其中自动聚焦控制模块2的液态镜头11目标位置处理单元23计算第三边缘梯度值EG3和第二边缘梯度值EG2之间的第一差值ΔEG1和第二边缘梯度值EG2和第一边缘梯度值EG1之间的第二差值ΔEG2，在第一差值ΔEG1和第二差值ΔEG2两者都小于0且第三边缘梯度值EG3大于区段C的最大边缘梯度值EGFP的情况下，直接进入结束步骤SSTOP结束自动聚焦过程；否则液态镜头11目标位置处理单元23；
步骤S34：获取液态镜头11的第三DPT值DPT3，基于预存的EG-DPT关系曲线以及第三边缘梯度值EG3计算液态镜头11的目标位置DPT，以及分别用当前的第二边缘梯度值EG2和第三边缘梯度值EG3更新第一边缘梯度值EG1和第二边缘梯度值EG2；
步骤S35，液态镜头11位移控制单元24控制图像捕捉模组1使其移动至目标位置DPT，并返回步骤S32。
在一个可替代实施例中，在第一差值ΔEG1和第二差值ΔEG2两者都小于0且第三边缘梯度值EG3大于区段C的最大边缘梯度值EGFP的情况下，很显然，具有第一边缘梯度值EG1的图像是清晰度最佳的图像，所以液态镜头11位移控制单元24可以进一步控制图像捕捉模组1使其移动至与当前存储的最大边缘梯度值、即第一边缘梯度值EG1相对应的当前的第一位置DPT1，然后结束自动聚焦方法。为此，在一些实施例中，在步骤S13中，自动聚焦控制模块2还获取液态镜头11的第一DPT值DPT1，并存储对应于第一图像IMA1的第一DPT1；在步骤S2的步骤S23中，自动聚焦控制模块2还获取液态镜头11的第二DPT值DPT2，并存储对应于第二图像IMA2的第一DPT2；以及在第三图像处理步骤S3的第四计算子步骤S34中，还包括分别用当前的第二位置DPT2和第三位置DPT3更新第一位置DPT1和第二位置DPT2。
在上述步骤S33中，利用液态镜头11目标位置处理单元23基于第三边缘梯度值EG3并且基于预存的EG-DPT关系曲线的各区段的直线拟合斜率、各区段的最大边缘梯度值以及方向因子来计算液态镜头11的目标位置DPT。
具体地，液态镜头11目标位置处理单元23首先判断当前边缘梯度值EGC(在处理步骤S2中为第二边缘梯度值EG2，在处理步骤S3中为第三边缘梯度值EG3)处于EG-DPT关系曲线的A、B、C、D哪个区段，然后基于该区段的拟合直线斜率计算若使当前边缘梯度值变化到该区段的最大边缘梯度值时需移动至的目标位置DPT。
例如，在当前边缘梯度值EGC处于A区段时，目标位置DPT可以基于区段A的斜率KSP和最大边缘梯度值EGSP通过公式(I)计算得到：DPT＝DPTC+LD*(EGSP-EGC)/KSP；(I)
在当前边缘梯度值EGC处于B区段时，目标位置DPT可以基于区段B的斜率KMP和最大边缘梯度值EGMP通过公式(II)计算得到：
DPT＝DPTC+LD*(EGMP-EGC)/KMP；(II)
在当前边缘梯度值EGC处于C区段时，目标位置DPT可以基于区段C的斜率KFP和前一图像的边缘梯度值EGPRE通过公式(III)计算得到：
DPT＝DPTC+LD*(EGC–EGPRE)/KFP；(II)
其中，DPTC为对于当前边缘梯度值EGC的当前液态镜头11位置；EGPRE为前一图像的边缘梯度值(在处理步骤S2中为EG1，在处理步骤S3中为EG2)。
上述公式中的LD表示方向因子。在前述第一差值ΔEG1和第二差值ΔEG2均为正的情况下，方向因子LD为1，即液态镜头11将沿与前一次移动的方向相同的方向上移动；否则方向因子LD为-1，即液态镜头11将在与前一次移动的方向相反的方向上移动。
在前面描述以及附图示出的实施例中，近似正态分布的EG-DPT关系曲线被分为7个区段，其中单侧四个区段A、B、C和D并且边缘梯度值EG最大的区段D共用。这样，对于任一液态镜头11位置，都能够基于当前图像的当前边缘梯度值通过计算的方式一次性地将液态镜头11移动到使下一次拍摄的图像的边缘梯度值基本上实现本区段的最大边缘梯度值的位置，而且计算液态镜头11移动到的目标位置过程中精确地考虑了移动方向的准确性。这样，能够实现通过最少次数的移动液态镜头11而实现最快地聚焦效果。本申请的系统和方法在最大程度地缩短图像捕捉装置的聚焦时间、实现快速聚焦的同时，能够得到最佳的图像效果。
实施例三
本发明的技术方案中还包括一种可读存储介质，其上存储有可执行指令，当所述可执行指令被执行时使得机器执行上述的自动聚焦方法中的至少一些步骤。
需要说明的是，本发明的自动聚焦方法的至少一些步骤可以利用硬件和软件以及两者的结合来实施。当利用软件来实现或者部分地实现本发明的方法时，该软件可以用于执行本发明的方法的各个步骤。在表示各种元素时使用的软件和数据，可以存储在存储单元中，并由适当的指令执行系统(微处理器)来执行。该软件可以包括用于实现逻辑功能的经排列的可执行指令列表，其可以体现在任何“处理器可读介质”中，以便由指令执行系统、装置或设备(例如，单核或多核处理器或者包含处理器系统)来使用。这些系统通常将从指令执行系统、装置或设备中访问这些指令，并执行这些指令。总之，本申请包含存储有可执行指令的可读存储介质，当所述可执行指令被执行时使得机器执行如图7的方法。
以上结合具体实施例对本发明进行了详细描述。显然，以上描述以及在附图中示出的实施例均应被理解为是示例性的，而不构成对本发明的限制。对于本领域技术人员而言，可以在不脱离本发明的精神的情况下对其进行各种变型或修改，这些变型或修改均不脱离本发明的范围。

Claims (10)

1.一种机器人视觉自动聚焦系统，其特征在于，包括：
图像捕捉模组(1)，所述图像步骤模块(1)包括液态镜头(11)；
自动聚焦控制模块(2)，用以控制所述液态镜头(11)，其中，所述自动聚焦控制模块(2)包括：
图像获取单元(21)，用以获取所述图像捕捉模组所捕捉的图像；
图像处理单元(22)，用以对捕捉的所述图像进行计算获得边缘梯度值；
液态镜头目标位置处理单元(23)，用以将计算获得的所述边缘梯度值结合预先存储的EG-DPT关系曲线来确定所述液态镜头将要移动至的目标位置；和
液态镜头位移控制单元(24)，用以控制所述液态镜头移动至一预设位置或所述目标位置；
进一步的，所述自动聚焦控制模块(2)用以在满足预设条件时自动结束聚焦过程；
所述预设条件包括：
当前的所述图像的边缘梯度值大于所述EG-DPT关系曲线上的特定边缘梯度值，其中，将当前的所述图像按序号记为图像N；以及
所述图像N与图像N-1之间的边缘梯度值之差小于零；以及
所述图像N-1与图像N-2之间的边缘梯度值之差小于零；
其中，所述图像N-2、图像N-1及图像N表示图像顺序。
2.根据权利要求1所述的机器人视觉自动聚焦系统，其特征在于，所述液态镜头目标位置处理单元(23)包括：
区段判断单元，用以判断所述计算得到的边缘梯度值处于所述EG-DPT关系曲线中的哪一区段；
位置处理单元，用以基于所述区段的拟合直线斜率以及所述区段的最大边缘梯度值来计算要获得所述最大边缘梯度值，并根据所述最大边缘梯度值针对性的将所述液态镜头移动至对应的目标位置；
进一步的，所述EG-DPT关系曲线近似正态分布曲线，还包括存储单元(3)，所述存储单元存储有所述EG-DPT关系曲线、所述EG-DPT关系曲线的各个区段的最大边缘梯度值，基于图像计算边缘梯度值的算法模型，以及计算所述目标位置的公式。
3.根据权利要求2所述的机器人视觉自动聚焦系统，其特征在于，所述EG-DPT关系曲线被划分成至少四个区段，所述区段具体包括：
边缘梯度值随所述液态镜头位置的增加响应较慢的慢响应区段A；以及
边缘梯度值随所述液态镜头位置的增加响应较快的快响应区段C；以及
位于所述A、C两者之间的中间响应区段B；以及
边缘梯度值随所述液态镜头位置的增加呈抖动式变化的抖动响应区段(D，其中所述特定边缘梯度值在所述抖动响应区段D内。
4.根据权利要求2所述的机器人视觉自动聚焦系统，其特征在于，所述图像获取单元(21)、所述图像处理单元(22)所述液态镜头目标位置处理单元(23)、液态镜头位移控制单元(24)和所述存储单元(3)彼此独立地提供，或者集成为一体。
5.根据权利要求1-4中任一项所述的机器人视觉自动聚焦系统，其特征在于，所述图像处理模块通过索贝尔卷积算法计算图像的边缘梯度值；和/或所述EG-DPT关系曲线通过实测数据处理获得。
6.一种机器人视觉自动聚焦方法，其特这在于，包括：
步骤S1、对拍摄对象进行拍照以生成第一图像，计算所述第一图像的边缘梯度作为第一边缘梯度值，并将所述液态镜头移动至预设位置；
步骤S2、在所述预设位置继续对拍摄对象进行拍照以生成第二图像；计算所述第二图像的边缘梯度作为第二边缘梯度值；并且继续移动所述液态镜头；
步骤S3、对拍摄对象进行拍照以生成第三图像，计算所述第三图像的边缘梯度作为第三边缘梯度值；
步骤S4、对所述步骤S1-步骤S3中生成的边缘梯度值进行综合判断，是否满足预设条件，若是，结束聚焦处理，若否，跳转至步骤S5，其中，所述预设条件包括：
所述第三边缘梯度值大于一特定边缘梯度值；以及
所述第三边缘梯度值与所述第二边缘梯度值的第一差值和所述第二边缘梯度值与所述第一边缘梯度值的第二差值均小于零；
步骤S5、基于EG-DPT关系曲线以及所述第三边缘梯度值计算液态镜头将要移动至的目标位置E；
步骤S6、使液态镜头移动至所述目标位置E；
步骤S7、用当前的所述第二边缘梯度值所述第三边缘梯度值更新第一边缘梯度值和第二边缘梯度值并返回步骤S3。
7.根据权利要求6所述的机器人视觉自动聚焦方法，其特征在于，在所述步骤S3中，计算液态镜头将要移动至的目标位置E的方法包括：
确定所述第三边缘梯度值处于所述EG-DPT关系曲线中的哪一区段，
计算使所述第三边缘梯度值变化至所述区段的最大边缘梯度值需要将液态镜头移送至的所述目标位置E。
8.根据权利要求6或7所述的机器人视觉自动聚焦方法，其特征在于，在所述步骤S2中，移动所述液态镜头的位置方法包括：
将液态镜头移动到另一预设位置；或者
基于所述EG-DPT关系曲线和第二边缘梯度值计算液态镜头将要移动至的目标位置和将液态镜头移送至所述目标位置。
9.根据权利要求6或7所述的机器人视觉自动聚焦方法，其特征在于，在所述步骤S4中，在第三边缘梯度值大于特定边缘梯度值并且所述第一差值和所述第二差值均小于零的情况下，将液态镜头移动至与所述第一边缘梯度值对应的液态镜头位置，然后跳转至结束步骤。
10.一种可读存储介质，其上存储有可执行指令，当所述可执行指令被执行时使得机器执行权利要求6至9中任一项所述的自动聚焦方法中的至少一些步骤。
CN202110763760.8A 2021-07-06 2021-07-06 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质 Pending CN115103087A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110763760.8A CN115103087A (zh) 2021-07-06 2021-07-06 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110763760.8A CN115103087A (zh) 2021-07-06 2021-07-06 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质

Publications (1)

Publication Number Publication Date
CN115103087A true CN115103087A (zh) 2022-09-23

Family

ID=83287345

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110763760.8A Pending CN115103087A (zh) 2021-07-06 2021-07-06 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质

Country Status (1)

Country Link
CN (1) CN115103087A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140022443A1 (en) * 2011-03-24 2014-01-23 Hiok Nam Tay Auto-focus image system
US20170332006A1 (en) * 2009-07-17 2017-11-16 Nikon Corporation Focusing device and camera
CN111432125A (zh) * 2020-03-31 2020-07-17 合肥英睿系统技术有限公司 一种对焦方法、装置及电子设备和存储介质
CN115484373A (zh) * 2021-05-31 2022-12-16 博世汽车部件(苏州)有限公司 自动聚焦系统及自动聚焦方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170332006A1 (en) * 2009-07-17 2017-11-16 Nikon Corporation Focusing device and camera
US20140022443A1 (en) * 2011-03-24 2014-01-23 Hiok Nam Tay Auto-focus image system
CN111432125A (zh) * 2020-03-31 2020-07-17 合肥英睿系统技术有限公司 一种对焦方法、装置及电子设备和存储介质
CN115484373A (zh) * 2021-05-31 2022-12-16 博世汽车部件(苏州)有限公司 自动聚焦系统及自动聚焦方法

Similar Documents

Publication Publication Date Title
JP5409189B2 (ja) 撮像装置及びその制御方法
JP6700872B2 (ja) 像振れ補正装置及びその制御方法、撮像装置、プログラム、記憶媒体
EP3296788B1 (en) Method of performing autofocus, autofocus system, and camera comprising an autofocus module
US9531938B2 (en) Image-capturing apparatus
US20080297648A1 (en) Focus detection apparatus
JP6512907B2 (ja) シフト素子制御装置、シフト素子制御プログラムおよび光学機器
TWI515470B (zh) 使用多鏡頭的自動對焦系統及其方法
JP6995561B2 (ja) 像ブレ補正装置およびその制御方法、撮像装置
JP6447840B2 (ja) 画像装置、及び画像装置における自動的な焦点合わせのための方法、並びに対応するコンピュータプログラム
US20180063443A1 (en) Image-capturing apparatus, lens apparatus and image-capturing system
US9817207B2 (en) Image pickup information output apparatus and lens apparatus equipped with same
TW201329554A (zh) 用於自動聚焦的系統及其方法
JP2017092592A (ja) 追尾制御装置および追尾制御方法、光学機器、撮像装置
US10599015B2 (en) Image-capturing apparatus, accessory apparatus and communication control method therefor
JP2016142925A (ja) 撮像装置およびその制御方法、プログラム、記憶媒体
CN106470317B (zh) 摄像设备及其控制方法
CN102016710B (zh) 摄像装置和用于控制摄像装置的方法
JP6432038B2 (ja) 撮像装置
US20160275657A1 (en) Imaging apparatus, image processing apparatus and method of processing image
CN115484373A (zh) 自动聚焦系统及自动聚焦方法
US10764500B2 (en) Image blur correction device and control method
CN115103087A (zh) 一种机器人视觉自动聚焦系统及自动聚焦方法及存储介质
JP7107191B2 (ja) 撮像制御装置、撮像装置及び撮像制御プログラム
JP2925172B2 (ja) 自動追尾装置
JP2017134185A (ja) 像ブレ補正装置、撮像装置、レンズ装置、像ブレ補正装置の制御方法、プログラム、および、記憶媒体

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination