基于圖像處理的靜態(tài)物體定位研究

(北京物資學(xué)院 北京 101149)

一、緒論

制造業(yè)是一個國家國民經(jīng)濟基礎(chǔ)產(chǎn)業(yè)，是社會發(fā)展驅(qū)動力，從根本上推動了各行各業(yè)不斷進(jìn)步和發(fā)展。從中美貿(mào)易戰(zhàn)到中興重挫等一系列事件中，芯片、機器人等核心技術(shù)缺乏使我國陷入被動局面。若從根本上解決問題，就必須發(fā)展創(chuàng)新科技，提高我國科技軟硬實力。

圖1 機械手

李翀倫等學(xué)者研究得出基于聚類直方圖分類算法，也就是把滑動模塊多維特征視作基本參照，使得圖像之間比較轉(zhuǎn)化成直方圖間分類統(tǒng)計特征比較，進(jìn)而能夠快速定位缺少鮮明特征輪廓目標(biāo)，實驗證實該定位算法性能良好，視覺效果也不錯。張亞榮、裴志利等人提出了對三目視覺下標(biāo)準(zhǔn)件完成形態(tài)學(xué)和二值處理尋找到大致目標(biāo)區(qū)域之后，進(jìn)行輪廓匹配實現(xiàn)了目標(biāo)較準(zhǔn)確定位，該處理算法在背景較復(fù)雜、特征不明確狀態(tài)下實現(xiàn)了較好定位和檢測功能。

二、基于圖像處理物體定位

(一)前期準(zhǔn)備

本文技術(shù)將應(yīng)用于如圖1所示機械手：

1.硬件系統(tǒng)

基于圖像處理物體定位硬件系統(tǒng)包括攝像機、鏡頭、計算機、顯示屏等，框圖如圖2所示。本文定位工件是一個外觀規(guī)則長方體，工件原圖如圖3所示。

圖2基于圖像處理物體定位硬件系統(tǒng)框圖

由于實際情況，本文圖像采集使用是魅藍(lán)note3手機，總像素為1300萬，最高分辨率為1920*1080，拍攝時為垂直拍攝，距離工件為50厘米。

圖3 工件原圖

2.軟件系統(tǒng)

本文實驗是基于Window7操作系統(tǒng)下VS2017編程軟件和opencv3.1圖像庫平臺完成。

(二)圖像處理

1.灰度化處理

圖像灰度化處理是把彩色圖轉(zhuǎn)化成灰度圖，使得后續(xù)過程中減少圖像計算量。加權(quán)平均法是將RGB按照不同比例進(jìn)行加權(quán)平均。按照紅、綠、藍(lán)各占0.30：0.59：0.11比例進(jìn)行轉(zhuǎn)換能得到較合理灰度圖像。運行結(jié)果如圖4所示。

2.圖像濾波

下式(2-1)為高斯濾波器算法公式：

(2-1)

雙邊濾波器算法公式如下式(2-2)所示。

(2-2)

其中I是像素強度值

雙邊濾波效果如圖5所示。

3.圖像分割

(1)二值處理

設(shè)經(jīng)過濾波過灰度圖像為式(2-3)：

C=(f(i,j))i=1,2,3…p;j=1,2,…q

(2-3)

式(2-3)中，f(i,j)是物體像素(i,j)灰度值。如果設(shè)定閾值T比f(i,j)大時，判斷為物體，否則為背景。

Ostu算法原理是：對于一幅圖像，設(shè)前景與背景分割灰度閾值為t，前景點出現(xiàn)概率x0，均值為u0，背景出現(xiàn)概率為x1，均值為u1。則整個圖像均值為：

u=x0×u0+x1×u1

(2-4)

建立目標(biāo)函數(shù)為：

g(t)=x0×(u0-u)2+x1×(u1-u)2

(2-5)

最佳閾值t就是使得類間方差g(t)取得最大值t值。基于Ostu閾值分割圖像二值處理運行結(jié)果如圖6示。

圖6 二值圖

(2)圖像邊緣檢測

Canny邊緣檢測算法在抗噪音干擾和精確定位之間實現(xiàn)了平衡。其具體步驟為:

第一：使用高斯濾波器平滑圖像

高斯函數(shù)H(x，y)

(2-6)

G(x，y)=f(x，y)×H(x，y)

(2-7)

其中f(x，y)為圖像數(shù)據(jù)

第二：使用一階偏導(dǎo)數(shù)有限差分來得到賦值和方向

用一階差分卷積模板：

φ0(x,y)=f(x,y)×H1(x,y)

(2-8)

φ2(x,y)=f(x,y)×H2(x,y)

(2-9)

可以得到幅值和方向分別為為:

(2-10)

(3-11)

第三：非極大值抑制

對于每一點，領(lǐng)域中心像素M與沿著梯度線兩個像素相比，若M梯度值比沿梯度線兩個像素相比都要小，則M=0。

第四：用雙閾值算法檢測和連接邊緣

圖7 Canny邊緣檢測圖

設(shè)兩個閾值T1和T2(T1

邊緣檢測結(jié)果如圖7所示。

4.膨脹腐蝕處理

腐蝕基本算法是：用一個一般是3*3大小結(jié)構(gòu)元素掃描圖像中所有像素，然后用結(jié)構(gòu)像素中所有像素和它覆蓋像素做“與”操作，如果至少一個為0，則該像素為0，若都為1，則該像素為1。膨脹算法結(jié)果則與之相反。開閉運算運行結(jié)果如圖8所示。

(三)圖像定位設(shè)計

經(jīng)過圖像預(yù)處理、二值處理、邊緣檢測、開閉運算之后，因為工件邊緣近似矩形輪廓，此時可以通過尋找擬合最小矩形函數(shù)，找到工件矩形輪廓，中心坐標(biāo)，四角頂點坐標(biāo)，根據(jù)勾股定理找到工件中心坐標(biāo)、長度和寬度，也完成了物體定位功能。實驗結(jié)果工件中心和各頂點位置如圖9所示，中心坐標(biāo)、長度以及寬度顯示如圖10所示。本文對定位精度評定過程中，我們采用試驗標(biāo)定方法。首先我們將手機攝像頭固定在一個位置，先對已知尺寸為L標(biāo)準(zhǔn)件進(jìn)行成像，得到該物體所占有像素個數(shù)P，由此得到每個像素對應(yīng)標(biāo)定系數(shù)k=L/P。k表示一個像素所對應(yīng)實際尺寸。當(dāng)將被測物體置于該位置(保持手機攝像頭位置不變，預(yù)測件和試驗件放在同一個位置)，既可得到被測物體實際尺寸。當(dāng)然被測工件尺寸要和試驗件大小相當(dāng)。經(jīng)計算，測得得到圖像長度是實際工件10倍左右。

三、結(jié)束語

本文通過圖像檢測預(yù)處理和定位技術(shù)可以快速對工件進(jìn)行準(zhǔn)確定位，找到中心坐標(biāo)和長邊使得機械手可以完成準(zhǔn)確抓取。首先本文是以實際工業(yè)問題為導(dǎo)向，其次本文是結(jié)合VS2017和opencv3.1編程工具，是真正應(yīng)用于實際工程中開發(fā)。最后本文提出基于圖像處理物體定位研究得到實驗驗證，這對動態(tài)時時檢測和控制具有很高實際參考價值。