基于機器視覺的多維智能光路搭建系統

高智龍 魏功祥 郁夢婷 鄭錕 王櫻燁 王明碩

摘要：光學是一門對實驗結果精確度要求高和對實驗外部條件要求嚴格的學科。到目前為止，由于實驗精密儀器設備持續地更新換代，并且由人體發出的光信號，熱信號以及聲波對精確實驗結果的影響日益顯著。本文提出一種基于多維度機械臂開發的系統，該系統遵循光電設計、人工智能理念，主要借助Python語言開發程序，同時嵌入OpenCV作為視覺處理模塊，優化算法。該系統最終實現自主完成識別夾取實驗所需目標器件，按照程序規定路線運動至實驗平臺并放在指定位置，進行對光路的搭建矯正，以及對實驗數據的記錄以及傳輸。

關鍵詞：機械;OpenCV;算法

引言

絕大多數傳統光學實驗室需要高級潔凈無塵實驗室，在實驗過程中需要保持高精密的光學環境，屏蔽大多熱源，光源等環境的干擾，但是由人體所發出的光信號，熱信號以及聲波對無塵潔凈實驗室的光環境，熱環境干擾非常嚴重。

相對于光學攝像頭測距、雙目測距功能已經開發完善，但其應用主要針對大眾。針對實驗室級識別的系統開發較少，暫無成型系統。

1目標物檢測算法

1.1RGB與HSV色彩空間轉化

在機器視覺圖像處理方面，圖一中的色彩空間轉換由于RGB圖像與人視覺感知相差甚遠，通常把RGB色彩模式轉換為HSV色彩空間，利用圖像的色（Hue）飽和度（Saturation）與明度（Value）來對目標物體進行檢測與提取[1]。其中H分量突出反映了圖像的色彩變化情況，能有效區分圖片的前景和后景;S分量突出體現了圖像邊界和顏色變化;V分量則反映了圖像中的亮度變化。

從RGB空間一點（R，G，B）轉化到HSV空間的點可定義為：

這樣色調信息H的范圍為0°～360°。V和S的范圍為0～1。

RGB和CMY顏色模型都是面向硬件的，而HSV（HueSaturationValue）顏色模型是面向用戶的。

HSV模型的三維是從RGB立方體演化而來的一種模型。設想從RGB沿立方體對角線的白色頂點向黑色頂點觀察，從而可以看到立方體的六邊形外形。六邊形邊界表示色彩，水平軸表示純度，明度沿垂直軸測量。

1.2形狀特征分析算法

OpenCV是一個基于BSD許可發行的開源跨平臺計算機視覺庫，可以在Linux、Windows、Android和MacOS操作系統上運行。它的優點在于輕量級且高效，由一系列C函數和少量C++類構成，同時提供了Python、Ruby、MATLAB等語言的接口，從而實現很多圖像處理和計算機視覺方面的通用算法。本論文通過視覺檢測方案利用OpenCV2中Eigenfaces、LBPH、FLANN、HOG、BOW等算法對圖像進行分析、特征圖像剪裁、匹配閾值計算。

將目標對象創建SIFT實例，利用FLANN建立特殊目標特征矩陣圖像[2]。通過BOW訓練器，與SIFT特征進項配比實現目標檢索。

1.3基于BOW與SVM的目標識別代碼

聲明基礎路徑：導入模塊，聲明訓練圖像基礎路徑，避免因不同設備訓練數據所在地址不同，需隨時修改。

創建SIFT實例：關鍵點提取，特征提取。

創建基于FLANN匹配器：使用算法cv2.FLANN-INDEX-KDTREE進行特征匹配。

創建BOW訓練器、初始化BOW提取器：為訓練器設定簇數，指定BOW類的輸入為視覺詞匯，以便在測試圖像中檢測到。

SIFT特征提取并對描述符進行返回：將圖像經灰度處理后獲取SIFT特征。

BOW訓練器準備完畢。

返回指定詞匯：選取八張圖像，調用cluster函數，執行k-means，對詞匯進行分類和返回，返回指定詞匯，便于描述符的提取。

返回描述符：設定一個圖像路徑為聲明函數參數，返回經BOW提取器計算所得的描述符。

生成樣本標簽：創建兩個分別對應訓練數據和標簽的數組，并用描述符進行填充，生成正負樣本標簽。

創建SVM實例進行訓練：將訓練數據和標簽放入數組儲存，定義函數顯示并返回結果。定義、讀取兩個樣本圖像路徑中的圖像文件并放入數組中后，傳給SVM，預測結果。

2目標點運動方式

2.1運動控制框架

借助搭載了Linux系統的樹莓派控制多維度機械臂，運用樹莓派，通過利用PWM脈沖寬度調制技術做到對多個舵機的準確控制從而對機械臂的轉動與伸縮控制。通過機器視覺準確識別物體，同時運用單目測距算法，SVM算法來將視覺信息處理為數字信息，并將其傳輸給樹莓派，樹莓派將其處理為相應的脈沖寬度信號給相應的舵機從而實現多維度機械臂精確夾取目標。

2.2機械臂控制主程序

系統具有人工操作模式選項，加入可關閉的語音系統對初次使用者進行引導，防止由于不熟悉系統的操作程序而出現的錯誤操作。人工操作模塊的引入使得系統的操作者有第二種選擇，不用去學習如何向系統中輸入要夾取的器件即可使用。

總結：本文首次將機器視覺引入實驗室中，搭建自動無人化實驗室，首次實現遠距離遙控精確智能搭建光路的智能化操作。對光學器件進行拿取，實景操作驗證夾取與放置目標物體具體位置的準確性，從而做到無損傷夾取光學器件。實用性強，可開發性強，借助Python編寫程序，可移植性高，包容性強。在樹莓派中有著系統所需的所有程序，相應模塊都有著詳細的注解。這也就保證了系統的再一次開發的潛力。

參考文獻：

[1]陳興，劉衛東，喬明勝，等.基于FPGA的色彩空間RGB與HSI的相互轉化算法[J].真空電子技術，2008，16（05）：18-21.

[2]李娜，安彥波，余志偉，等.基于OpenCV的物體定位與捕捉系統設計[J].機械設計與制造工程，2019，48（03）：85-88.

[3]李鳳.基于ROS的機械臂控制系統設計[J].自動化技術與應用，2018，37（11）：72-76.

[4]張偉業，張煒，華龍新，等.一種新型的桌面級機械臂[J].中國科技信息，2018（16）：53-55.

（山東理工大學 山東淄博 255000）