基于OpenCV的汽車插片保險(xiǎn)絲定位算法研究

姚一鳴 陳龍

摘 要：根據(jù)汽車插片保險(xiǎn)絲的形狀特征，基于機(jī)器視覺與OpneCV開源視覺庫設(shè)計(jì)汽車插片保險(xiǎn)絲定位算法。通過對采集到的汽車插片保險(xiǎn)絲圖像進(jìn)行處理，計(jì)算出汽車插片保險(xiǎn)絲的位置與角度。算法核心為通過計(jì)算汽車插片保險(xiǎn)絲輪廓的幾何矩求取位置信息，并結(jié)合最小外接矩形與汽車插片保險(xiǎn)絲的形狀特征求取角度信息。試驗(yàn)結(jié)果表明，該算法能夠準(zhǔn)確檢測出圖像中汽車插片保險(xiǎn)絲的位置及角度信息，具備一定的應(yīng)用價(jià)值。

關(guān)鍵詞：機(jī)器視覺；OpenCV；幾何矩；汽車插片保險(xiǎn)絲；形狀特征

DOI：10.11907/rjdk.172726

中圖分類號：TP312

文獻(xiàn)標(biāo)識碼：A 文章編號：1672-7800（2018）005-0053-03

Abstract：According to the shape features of the automobile plug fuse， we design a positioning algorithm for automobile plug fuses based on machine vision and OpenCV （Open Source Computer Vision Library）. The main content of this paper is to calculate the position and angle information of the fuses by processing the fuse images. The core of the algorithm is to obtain the position information of the automobile plug fuse by geometric moments of the fuse contours， and to obtain the angle information using the minimum enclosing rectangle and the shape features of the automobile plug fuse.Experiments prove that the algorithm can accurately detect the position and angle information of the automobile plug fuse in the image， and has certain application value.

Key Words：machine vision； OpenCV； geometric moment； automobile plug fuse； shape features

0 引言

在現(xiàn)代工業(yè)中，隨著自動(dòng)化技術(shù)的發(fā)展，機(jī)器視覺得到了廣泛運(yùn)用。機(jī)器視覺即將視覺信息作為輸入，并對其進(jìn)行處理。機(jī)器視覺的主要功能為識別物體信息，將識別結(jié)果作為下一步動(dòng)作的信息指南，如定位、抓取、導(dǎo)航與避障等[1]。

在對工件的定位抓取研究中，東南大學(xué)的尤衛(wèi)衛(wèi)[2]對機(jī)器人分揀工件系統(tǒng)作了詳細(xì)研究；劉周林，盧建湘等[3]針對SMT零件，采用形狀匹配的方法設(shè)計(jì)了定位抓取算法；劉學(xué)平、陳藝昌、刁常龍等[4]采用機(jī)器視覺[5]對BGA芯片檢測對中技術(shù)進(jìn)行了研究；彭繼彬、陳曉榮[6]采用HALCON對票據(jù)上的字符進(jìn)行定位識別與提??；劉勁松、梁皓源[7]使用OpenCV對特定晶圓產(chǎn)品上的編號進(jìn)行了定位識別與提取。

隨著汽車零部件行業(yè)逐漸往自動(dòng)化方向發(fā)展，在汽車保險(xiǎn)絲領(lǐng)域，保險(xiǎn)絲的分揀裝配目前仍為人工操作，從而大大浪費(fèi)了勞動(dòng)資源并延長了產(chǎn)品生產(chǎn)周期，因此急需以機(jī)器代替人工勞動(dòng)。本文基于汽車插片保險(xiǎn)絲的形狀特征，結(jié)合Visual C++與OpenCV[8]開源視覺庫實(shí)現(xiàn)了汽車插片保險(xiǎn)絲的定位。

1 系統(tǒng)概述

基于機(jī)器視覺的汽車插片保險(xiǎn)絲定位系統(tǒng)需要對置物臺上的汽車插片保險(xiǎn)絲進(jìn)行采集和識別，最終確定其在置物平臺上的位置與姿態(tài)。系統(tǒng)構(gòu)成主要有光照系統(tǒng)、CCD攝像機(jī)、圖像采集卡、工業(yè)計(jì)算機(jī)、控制機(jī)構(gòu)等模塊，如圖1所示。

機(jī)器視覺系統(tǒng)主要包括圖像采集、圖像處理、目標(biāo)識別3部分。在此系統(tǒng)中，工位放置在被檢測區(qū)域內(nèi)，通過光源打光去除工件陰影，然后使用CCD相機(jī)拍照，經(jīng)過圖像采集卡傳輸給工業(yè)計(jì)算機(jī)，再通過系統(tǒng)定位識別軟件計(jì)算工件的位置與角度，最后傳輸給相應(yīng)控制機(jī)構(gòu)執(zhí)行下一步操作。例如：控制機(jī)構(gòu)控制機(jī)械手或吸盤抓取工件。

本文根據(jù)汽車插片保險(xiǎn)絲定位的實(shí)際需求，獲得清晰的汽車插片保險(xiǎn)絲圖像，進(jìn)而通過圖像預(yù)處理，獲取工件外輪廓，然后通過汽車插片保險(xiǎn)絲外輪廓的形狀特征，用最小包圍矩形獲取工件在圖片中的位置信息，最后根據(jù)輪廓形狀的非對稱性獲取工件角度信息，系統(tǒng)流程如圖2所示。

2 圖像預(yù)處理

2.1 中值濾波

中值濾波[9]是一種典型的非線性濾波技術(shù)，其基本思想是用像素點(diǎn)鄰域灰度值的中值代替該像素點(diǎn)的灰度值。該方法在去除脈沖噪聲、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)。

2.2 圖像二值化

圖像二值化有多種方式，如全局二值化、局部區(qū)域二值化等。本文中由于工件與背景色差明顯，易于分離背景，所以采用全局二值化方式提取目標(biāo)物體。

全局二值化方法是設(shè)定一個(gè)全局閾值T，用T將圖像數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T像素群的像素值設(shè)定為白色（或者黑色），小于T像素群的像素值設(shè)定為黑色（或者白色）。

3 工件位置獲取

圖像經(jīng)過二值化后，先提取出工件外輪廓，然后計(jì)算其幾何矩，通過輪廓的零階矩和一階矩計(jì)算工件質(zhì)心，以質(zhì)心位置代表工件在圖像坐標(biāo)系中的位置。

4 工件旋轉(zhuǎn)角度計(jì)算

在采集圖像時(shí)，工件在圖像中具有相同視角，即平置在臺面上，但是它們之間角度不同。本文在獲取保險(xiǎn)絲片輪廓后，根據(jù)輪廓形狀，采用最小外接矩形包圍保險(xiǎn)絲片，初步得到外接矩形與圖像坐標(biāo)系X軸之間的傾斜角度.再通過工件輪廓的非對稱性分類計(jì)算，進(jìn)而得到工件圖像的傾斜角度。

4.1 最小外接矩形

最小外接矩形也稱最小邊界矩形、最小包含矩形或最小外包矩形。最小外接矩形是指以二維坐標(biāo)表示的若干二維形狀（例如點(diǎn)、直線、多邊形等）的最大范圍，即通過給定的二維形狀各個(gè)頂點(diǎn)中的最大與最小橫坐標(biāo)，以及最大與最小縱坐標(biāo)定下邊界的矩形。

在OpenCV庫中采用minArearect函數(shù)計(jì)算物體輪廓的最小外接矩形，并得到以下參數(shù)：①最小矩形框的中心點(diǎn)C。中心點(diǎn)C為最小矩形框的對角線交點(diǎn)；②最小矩形框角度θ。角度θ為最小矩形框繞其中心點(diǎn)順時(shí)針不斷旋轉(zhuǎn)，在旋轉(zhuǎn)過程中，當(dāng)X軸第一次與矩形框任意一條邊平行時(shí)，最小矩形框需旋轉(zhuǎn)的角度；③最小矩形框的寬width與高h(yuǎn)eight。最小矩形框順時(shí)針旋轉(zhuǎn)θ度后，與X軸平行的對邊為寬width，與Y軸平行的對邊為長height。

最小矩形框的中心點(diǎn)C、角度θ、長heigh和寬width示意圖如圖3所示。

4.2 工件角度計(jì)算

根據(jù)OpenCV中最小矩形框的原理，采用最小矩形框包圍工件輪廓后，將圖像順時(shí)針旋轉(zhuǎn)θ度，然后單獨(dú)提取出旋轉(zhuǎn)后的圖像。

任意一個(gè)隨意擺放的汽車插片保險(xiǎn)絲，經(jīng)過旋轉(zhuǎn)并提取圖像后，會出現(xiàn)A、B、C、D四種不同情況，此時(shí)可根據(jù)圖像長寬的差異以及工件特定區(qū)域內(nèi)黑白像素個(gè)數(shù)的差異對旋轉(zhuǎn)后的4種不同形狀進(jìn)行分類，進(jìn)而得出最終的旋轉(zhuǎn)角度α。

如圖4所示，其中圖a、b、c、d代表旋轉(zhuǎn)前的圖形姿態(tài)，圖A、B、C、D代表旋轉(zhuǎn)后圖形的4種不同姿態(tài)，虛線框區(qū)域代表黑白像素檢測區(qū)域，其位置按提取后圖像的大小比例確定。

4類圖像判斷依據(jù)如表1所示。

以姿態(tài)A為基準(zhǔn)姿態(tài)，任意擺放的汽車插片保險(xiǎn)絲經(jīng)過上述算法變換后，最終歸于A、B、C、D四類之一，即其與基準(zhǔn)姿態(tài)之間的偏轉(zhuǎn)角α如表2所示。

5 實(shí)驗(yàn)結(jié)果與分析

5.1 實(shí)驗(yàn)細(xì)節(jié)過程

本文使用OpenCV3.1以及VS2013對上述所有過程進(jìn)行實(shí)際測試，首先通過相機(jī)獲取汽車插片保險(xiǎn)絲的原始灰度圖片，如圖5所示。

其次，調(diào)用OpenCV中的medianBlur函數(shù)對圖像進(jìn)行中值濾波處理，處理后的圖像如圖6（a）所示；再調(diào)用二值化函數(shù)threshold，設(shè)定閾值后進(jìn)行二值化，結(jié)果如圖6（b）所示；之后采用findcounters函數(shù)，獲取二值化后的圖像輪廓；最后根據(jù)輪廓的大小、面積去除非工件輪廓，留下保險(xiǎn)絲片輪廓，然后使用drawContours函數(shù)畫出輪廓，并用白色像素填充滿輪廓內(nèi)部，效果如圖6（c）所示。

在提取出清晰的工件輪廓后，運(yùn)用函數(shù)Moment根據(jù)工件外輪廓計(jì)算其零階矩和一階矩，進(jìn)而確定工件質(zhì)心，代表工件在圖像坐標(biāo)系的位置，如圖7（a）所示，其中白色輪廓為工件外輪廓，黑色點(diǎn)為輪廓質(zhì)心。然后使用minArearect函數(shù)獲取角度θ，輪廓的最小包圍矩形如圖7（b）所示。最后通過4.1與4.2節(jié)所述算法處理圖片，按表1、表2規(guī)則分類，計(jì)算最終偏轉(zhuǎn)角α。

5.2 實(shí)驗(yàn)結(jié)果分析

筆者在生產(chǎn)線上隨機(jī)抽取20張保險(xiǎn)絲圖像進(jìn)行測試。樣本中，每張圖像中的工件均為隨意水平放置。試驗(yàn)結(jié)果證明，該算法能夠有效識別汽車插片保險(xiǎn)絲的位置與角度，且單個(gè)汽車插片保險(xiǎn)絲的平均檢測時(shí)間為500ms，可滿足一般流水線生產(chǎn)要求。檢測的位置精度為±0.1mm，角度精度為±0.1°，滿足基本要求。該算法仍有很多不足，體現(xiàn)在該算法為針對特定產(chǎn)品設(shè)計(jì)，普適性較差，在保險(xiǎn)絲片的角度求取上缺乏移植性。

6 結(jié)語

視覺檢測技術(shù)作為機(jī)器視覺的重要研究領(lǐng)域，不僅能提高系統(tǒng)的自動(dòng)化程度，還能顯著提升檢測的安全性與可靠性[10]。本文基于汽車插片保險(xiǎn)絲的輪廓形狀特點(diǎn)，設(shè)計(jì)了一種識別定位汽車插片保險(xiǎn)絲的算法，通過機(jī)器視覺檢測應(yīng)用，既保證了生產(chǎn)效率，又提高了可靠性，為后續(xù)汽車零配件行業(yè)的工業(yè)自動(dòng)化發(fā)展提供了新的思路。該算法具有一定應(yīng)用價(jià)值，后續(xù)將對其作進(jìn)一步改進(jìn)與完善。

參考文獻(xiàn)：

[1] 薛夢霞，劉士榮，王堅(jiān).基于機(jī)器視覺的動(dòng)態(tài)多目標(biāo)識別[J].上海交通大學(xué)學(xué)報(bào)，2017，51（6）：727-733.

[2] 尤衛(wèi)衛(wèi). 機(jī)器人分揀作業(yè)中工件識別實(shí)用技術(shù)的研究與實(shí)現(xiàn)[D]. 南京：東南大學(xué)，2016.

[3] 劉周林，盧建湘，謝煌生，等.SMT零件的視覺遍歷定位與抓取方法[J]. 液壓與機(jī)床，2015，43（3）：67-71.

[4] 劉學(xué)平，陳藝昌，刁常龍，等.基于機(jī)器視覺的BGA芯片檢測對中技術(shù)[J].計(jì)算機(jī)工程，2013，39（8）：281-284.

[5] CARSTEN S，MARKUS U，CHRISTIAN W.機(jī)器視覺算法與應(yīng)用[M].第3版.楊少榮，譯.北京：清華大學(xué)出版社，2011：432-438.

[6] 彭繼彬，陳曉榮.基于HAL CON的票據(jù)字符提取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].軟件導(dǎo)刊，2017，16（4）：80-82.

[7] 劉勁松，梁皓源.基于OpenCV的晶圓編號識別算法研究[J].軟件導(dǎo)刊，2017，16（6）：25-27.

[8] 布拉德斯基，克勒.學(xué)習(xí)OpenCV[M].北京：清華大學(xué)出版社，2009：256-258.

[9] 張廣淵，王愛俠，王超.數(shù)字圖像處理基礎(chǔ)及OpenCV實(shí)現(xiàn)[M].北京：知識產(chǎn)權(quán)出版社，2014：190-192.

[10] 趙杰文，陳振濤，鄒小波.機(jī)器視覺實(shí)現(xiàn)方便面破損在線檢測的研究[J].微計(jì)算機(jī)信息，2007，23（10）：238-240.

（責(zé)任編輯：黃 ?。?/p>