改進(jìn)的Canny算法在工業(yè)機(jī)器人視覺系統(tǒng)中的應(yīng)用

劉亮亮 楊豪亮 李曉美

（多氟多新能源科技有限公司，河南 焦作 454150）

0 引言

隨著科學(xué)技術(shù)的發(fā)展和產(chǎn)業(yè)升級，工業(yè)機(jī)器人在工業(yè)生產(chǎn)中發(fā)揮的作用越來越重要。但在機(jī)器人智能化賦能提升的過程中，視覺信息存在繁、雜、冗等問題，嚴(yán)重影響機(jī)器人視覺技術(shù)在機(jī)器人工業(yè)化生產(chǎn)中的應(yīng)用［1］。如何從復(fù)雜的信息中精準(zhǔn)定位產(chǎn)品的特征信息，并通過工業(yè)機(jī)器人將其表現(xiàn)出來，成為機(jī)器人視覺技術(shù)的研究重點(diǎn)。由此可知，機(jī)器人視覺信息精準(zhǔn)定位技術(shù)對機(jī)器人精準(zhǔn)抓取和智能化提升具有重要意義。

通過機(jī)器視覺的賦能，不同類型的傳統(tǒng)工業(yè)機(jī)器人在實(shí)際工業(yè)生產(chǎn)中會形成獨(dú)特的視覺系統(tǒng)。張聰聰?shù)龋?］設(shè)計(jì)出一種基于機(jī)器視覺的裝配機(jī)器人系統(tǒng)，該系統(tǒng)利用RGB-D 傳感器為裝配機(jī)器人提供視覺系統(tǒng)，并在裝配過程中會繞開視覺系統(tǒng)中的障礙物。張洪等［3］設(shè)計(jì)出一種由視覺引導(dǎo)的雙臂裝配機(jī)器人系統(tǒng)，該系統(tǒng)利用雙臂機(jī)器人，并結(jié)合機(jī)器視覺技術(shù)，從而完成高精度孔內(nèi)裝配任務(wù)。姚曉通等［4］設(shè)計(jì)出一種基于結(jié)構(gòu)光立體視覺的焊接機(jī)器人系統(tǒng)，該系統(tǒng)采用結(jié)構(gòu)光立體視覺技術(shù)對焊縫進(jìn)行檢測，從而引導(dǎo)機(jī)器人來完成焊接工作。

工業(yè)機(jī)器人視覺圖像處理中的傳統(tǒng)Canny 算子存在不足，使工業(yè)機(jī)器人在實(shí)際生產(chǎn)中無法實(shí)現(xiàn)精準(zhǔn)抓取，使機(jī)器視覺技術(shù)在工業(yè)機(jī)器人中的應(yīng)用存在視覺信息繁、雜、冗等問題。因此，為滿足生產(chǎn)制造的柔性化需求，需要提升工業(yè)機(jī)器人視覺圖像的處理能力，這對機(jī)器人在生產(chǎn)中智能化提升具有重要意義。

1 傳統(tǒng)Canny算法

Canny邊緣檢測算法是在1986年被提出來［5］。

1.1 高斯濾波器處理圖像S(x,y)

高斯濾波器的數(shù)學(xué)結(jié)果是由函數(shù)G(x,y)獲得的，見式（1）、式（2）。

式中：?為卷積運(yùn)算；σ為標(biāo)準(zhǔn)差，σ的值對圖像定位有影響。

1.2 計(jì)算梯度強(qiáng)度和方向

傳統(tǒng)的Canny 算法是從0°開始，每45°選取一個算子，共選取4個梯度算子，計(jì)算正負(fù)8個方向梯度。其中，得到Gx為0°和Gy為90°的差分，根據(jù)Gx和Gy來計(jì)算梯度模和方向，見式（3）、式（4）。

式中：G為梯度；θ為方向。

1.3 應(yīng)用雙閾值確定真實(shí)和可能的邊緣

通過計(jì)算可得到存在缺陷的偽邊緣。對抑制的邊緣像素點(diǎn)梯度值和雙閾值的高低閾值進(jìn)行比對，從而確定強(qiáng)弱邊緣點(diǎn)。

2 改進(jìn)Canny算法

本研究針對傳統(tǒng)Canny 算法要人為設(shè)定高斯濾波及高低雙閾值參數(shù)的問題，對通過中值濾波和迭代法閾值選擇算法得到閾值的方法進(jìn)行改進(jìn)。傳統(tǒng)的Canny 算子存在一定弊端，如高斯濾波和高低雙閾值參數(shù)要手動設(shè)置。為了解決上述弊端，本研究運(yùn)用中值濾波和迭代法閾值選擇算法，直接得到所需的閾值。

2.1 自適應(yīng)中值濾波

本研究以初始化模板窗口為三階進(jìn)行研究。①設(shè)范圍為Sxy，最大像素為Zmax、最小像素為Zmin、平均像素為Zmed。②判斷Zmin＜Zmed＜Zmax。

2.2 梯度計(jì)算

本研究通過Sobel 算子來計(jì)算梯度值。旋轉(zhuǎn)方向模板見圖1。

圖1 四方向梯度模板

本研究取x軸和y軸方向，Sobel 卷積因子見式（5）、式（6）。

為提升效率，通常使用不開方的近似值，見式（7）。

式中：Gx和Gy分別為橫向和縱向檢測的灰度值；G為標(biāo)記點(diǎn)的灰度值。

2.3 迭代法閾值選擇算法獲得高低閾值

優(yōu)化分割方法的步驟如下。由收集到的灰度值得到Zmax、Zmin和平均灰度值T。將最初閾值設(shè)為平均灰度值，見式（8）。

式中：T為初始分割閾值；Zmax為最大灰度值；Zmin為最小灰度值。

2.3.1 根據(jù)初始分割閾值T，先分割H1和H2，再求平均值Th、Tl，可得共同平均值，見式（9）。

2.3.2 比較H1和H2均值。若合理，則終止迭代。若不合理，則繼續(xù)進(jìn)行迭代，直至滿足終止條件。

2.3.3 在迭代算法結(jié)束后，將得到的閾值Th、Tl作為雙閾值分割的高低閾值。

3 系統(tǒng)總體方案與工作流程

本研究設(shè)計(jì)的視覺定位抓取系統(tǒng)是將定位和抓取功能合一的系統(tǒng)。其中，視覺定位系統(tǒng)主要是對圖像進(jìn)行采集和處理，抓取系統(tǒng)主要是對樣品進(jìn)行抓取和機(jī)器人控制。機(jī)器人視覺系統(tǒng)對樣件的圖像進(jìn)行甄別，篩選出有用的信息，從而獲得樣件的位姿信息。樣件抓取系統(tǒng)根據(jù)視覺系統(tǒng)提供的位姿信息，并將這些信息傳遞給機(jī)器人，進(jìn)行抓取相關(guān)運(yùn)動，控制機(jī)器人對目標(biāo)工件進(jìn)行抓取工作。視覺定位抓取系統(tǒng)經(jīng)計(jì)算機(jī)內(nèi)部的通信協(xié)議和設(shè)備間的信息傳遞來完成工作。

3.1 圖像采集模塊

圖像采集模塊包括光源和深度相機(jī)。通過調(diào)節(jié)光的亮度來凸顯目標(biāo)工件的立體感，從而使信息采集過程中獲得的工件信息更完善，便于后期的圖像處理。根據(jù)形態(tài)的不同，光源可分為4 種，即環(huán)形光源、條形光源、同軸光源和點(diǎn)光源。本研究根據(jù)視覺機(jī)器人在工作中的實(shí)際應(yīng)用場景，即要視野較廣的光源。因此，本研究選擇條形光源。

3.2 圖像預(yù)處理

3.2.1 圖像灰度化。本研究采用平均值法對彩色圖像進(jìn)行灰度化處理，處理后的結(jié)果如圖2所示。

圖2 灰度化處理結(jié)果圖

3.2.2 圖像濾波。相機(jī)在拍照過程中，受噪聲的干擾，導(dǎo)致拍攝的照片并不能完全顯現(xiàn)出樣件的特值信息，這樣會使樣件的精準(zhǔn)定位出現(xiàn)誤差。

如圖3 所示，本研究運(yùn)用均值濾波算法、高斯濾波算法和中值濾波算法對樣件進(jìn)行實(shí)際測試。由圖3 可知，高斯濾波算法的效果最好，不僅圖像信息保留完整，且受噪聲的影響也不大。均值濾波算法測試的圖像有部分信息不完整。中值濾波算法的信息處理還算完善，但受噪聲影響較大。通過綜合比較，本研究選用高斯濾波算法對圖像進(jìn)行預(yù)處理。

圖3 濾波效果對比圖

3.2.3 圖像二值化。為了能更便捷地提取特值信息，要對樣件照片進(jìn)行灰度化和濾波處理，得到灰度化圖像，并進(jìn)行區(qū)域分割，可得到特值明顯、信息完善的樣件信息。

3.3 特征提取

圖4 為Canny 算子實(shí)現(xiàn)邊緣檢測方法的流程圖，按照梯度的方向來識別像素點(diǎn)的梯度值和附近像素點(diǎn)梯度值的差別，如果該像素點(diǎn)的梯度值不是最大值，就默認(rèn)該點(diǎn)不在邊緣上。

圖4 Canny邊緣檢測方法的流程圖

傳統(tǒng)的Canny 算子存在一定弊端，如高斯濾波和高低雙閾值參數(shù)要手動設(shè)置。為了解決這個弊端，本研究運(yùn)用中值濾波和迭代法閾值選擇算法得到所需的閾值。

圖5為傳統(tǒng)Canny算子對目標(biāo)樣件的處理結(jié)果和改進(jìn)的Canny算子對目標(biāo)樣件的處理結(jié)果。

圖5 邊緣檢測結(jié)果圖

3.4 視覺定位子系統(tǒng)的試驗(yàn)測試

視覺定位子系統(tǒng)對目標(biāo)樣件進(jìn)行特值識別和圖像處理，通過計(jì)算機(jī)得到目標(biāo)樣件在圖像中的位置信息（即像素坐標(biāo)），并將像素坐標(biāo)變換為機(jī)器人可識別的三維坐標(biāo)。此次試驗(yàn)測算的目標(biāo)樣件有兩種，先由試驗(yàn)人員測量得到目標(biāo)樣件的實(shí)際坐標(biāo)，再通過視覺定位系統(tǒng)轉(zhuǎn)化坐標(biāo)，然后比對兩組坐標(biāo)，從而檢驗(yàn)該子系統(tǒng)的準(zhǔn)確度。六個目標(biāo)工件在機(jī)器人基底坐標(biāo)系下的三維坐標(biāo)與實(shí)際坐標(biāo)的對比詳見表1。

表1 視覺定位結(jié)果對比

(X,Y,Z)是目標(biāo)工件的實(shí)際測量坐標(biāo)，(x,y,z)是目標(biāo)工件的識別定位坐標(biāo)。試驗(yàn)結(jié)果表明，相比于傳統(tǒng)的Canny 算子，改進(jìn)的Canny 算子的絕對誤差均值減小25%、相對誤差均值減小12.5%，可滿足視覺定位子系統(tǒng)的定位需求。

4 結(jié)語

本研究針對傳統(tǒng)Canny 算法要人為設(shè)定高斯濾波及高低雙閾值參數(shù)的問題，通過對中值濾波和迭代法閾值選擇算法得到閾值的方法進(jìn)行改進(jìn)。改進(jìn)后的Canny 算子通過中值濾波和迭代法閾值選擇算法得到閾值的方法來代替人工輸入閾值，可使工位定位絕對誤差減小25%，相對誤差減小12.5%，使工件的定位精度得到顯著提升，并在工業(yè)機(jī)器人視覺定位系統(tǒng)的實(shí)際應(yīng)用過程中，使機(jī)器人的定位誤差變得更小。