文档介绍：该【基于图像处理的200L桶盖-桶口定位系统 】是由【科技星球】上传分享，文档一共【12】页，该文档可以免费在线阅读，需要了解更多关于【基于图像处理的200L桶盖-桶口定位系统 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基于图像处理的200L桶盖/桶口定位系统??Summary:随着计算机处理图像技术的不断发展,越来越多的场合在应用图像识别和处理技术。例如:车牌识别、人脸识别、机器人、汽车安全驾驶等。本文针对当下图像处理技术应用在工业场合中,在指定的区域内通过工业相机找到200L桶的桶盖或桶口的坐标位置,然后把坐标通过通讯反馈给PLC(可编程逻辑控制器),PLC根据坐标,控制X-Y轴上的装置移动指定的坐标位置,然后再进行后续的操作。此技术意义深远,尤其是在特种场合,针对机械式寻找桶盖或通口都是通过接触实物然后在运动中定位,这样很容易引起碰撞火花或者是静电,存在安全隐患。Keys:图像处理桶口桶盖识别图像分割图像取圆坐标转换一、引言数字图像处理技术起源于20世纪20年代,并从20世纪80年代开始广泛应用于工业、医疗、航天航空等诸多领域。图像处理技术通过工业相机获取图像信息,并应用软件程序自动处理图像信息,为工业生产快速集成提供了方便。随着图像处理技术的成熟和发展,其应用范围更加广泛,包括高级数控机床和机器人,图像处理技术提高了工业生产的自动化程度、让不适合人作业的危险工作通过图像处理技术的辅助下顺利进行,让大批量、高速度、持续生产变成现实,大大提高了工业生产效率和工业产品的精度,节省了人力成本。二、:一般指图像中能区分的最小的物料长度大小,也即是单像素所成像对应的物体的实际尺寸大小,一般以毫米为单位。D像素个数L,D排列方向上的像素数量,D的最小成像单元(或者说是像素)的实际物理尺寸,微米级(um)。在理论简化过程中,我们将成像系统简化为“物平面+透镜+D平面)的形式”示意图如图(1)所示:图(1)光心O:可以简单的理解位透镜中心。光轴I:过广信且垂直于透镜平面的假想直线。焦点:光轴上到光心距离位焦距f的点。物距u:物平面上一点到透镜平面的垂直距离。像距v:像平面上一点到透镜平面的垂直Ulike放大倍率M:物平面上单位长度的线段缩成像的实际物理长度,根据前面精度的定义可知,D像素尺寸d与精度prec的比值,即:,平行与光轴的入射光线经透镜折射后出射光线过焦点。物距u与像距v和焦距f之间满足以下等式:根据以上概念和定力,结合示意图,利用相似三角形之间边长相似的关系,物距、像距和放大倍率之间存在如下关系:带入上式可知:D像素尺寸、相机焦距与物距之间的关系:这一关系对方案中的镜头参数和选择起到了关键的作用。:一般指能够正常成像的物体和长度,在理论上有:桶口/桶盖可包含的像素数n:对于一定的精度prec和桶口直径R,桶口/桶盖可包含的像素数有如下估算公式:三、需求分析在指定的区域内通过相机寻找的桶口/桶盖的中心坐标,然后通过通讯发送的PLC中,PLC根据接收到的坐标数据,驱动X-Y移动到指定的坐标位置。基于以上需求,分别从硬件结构和软件算法两方面进行系统设计,用以满足应用需求。:镜头、相机、光源、计算机、执行设备。如下图的图(2)所示:图(2)考虑到成本等因素,我们采用单相机进行图像采集,由计算机程序进行后期的图像信息提取。根据图(2)的参数我们可以确定镜头和相机选型。:由于物距变化不大(桶的高度变化不大),一般镜头可以满足需求。焦距:根据系统需求,物距u范围是2200~2400mm,假设我们选取的物距u为2200mm,,焦距为6mm,根据公式:,桶口直径为50mm,,根据公式:这也就意味着桶口/桶盖可包含的像素为:679个,可以满足图像识别需求。:视场范围宽度D为900mm,根据公式:假设使用单相机,D相机长度L分辨率为529像素以上,D相机分辨率满足要求。相机帧率:由于桶进入工作区时一般有一定的间隔,相机帧率条件一般较为容易满足。所以硬件设计采用的相机分辨率为200/230万像素,像素精度为1~2mm。、图像分割、圆心位置计算三个部分。,对于单纯通过工业相机拍摄所得到的图像,由于受光源种类或工件的材质、颜色、环境等因数的影响,需要对图像进行预处理。采用图像滤波去噪声是我们比较常用的办法。通过预处理,可使图像更加清洗、突出符合用途的具体要素(形状、颜色等),并消除干扰源,本课题中我们采用的是高斯滤波的方式。高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。简单的说,高斯滤波是对整幅图像进行加权平均的过程,每一个像素点值都由其本身和领域内的其它像素值经过加权平均后得到的。高斯滤波的具体操作是:用一个模板(或称卷积、掩膜)扫描图像的每一像素,用模板确定的领域内像素的加权平均弧度值替代模板中心像素点的值。高斯滤波用于得到信噪比高的图像,反映了真实信号。高斯平滑滤波器对于抑制正态分布的噪声非常有效。,采用三种方法:自适应阈值(adaptiveThreshold);HSV颜色空间转换;采用无参数的圆提取算法(EDCircles)。在实际的使用过程中,这几种方法可能都会用到,几种方法之间可以相互补充,也可以相互比对,以下是各种方法的效果:1)自适应阈值如下图(3)所示为自适应阈值边缘提取之后的图像分割效果;右图为用分割图像,通过函数将轮廓信息进去提取,计算每个轮廓的最小包络圆,通过一定的限制条件提取可能的圆形,图(3)可见该方法对银色和白色以及反光较大的图像提取效果不太理想。图(3)2)HSV颜色空间转换如图(4)所示为图像的HSV分解结果,先将图像有RGB转为HSV空间,而后可以得到H、S、V三个通道分别的图像。图(4)接下来我们尝试通过H通道的数据对蓝色的桶进行分割,分割的结果如下图(5)所示,接下来我们还是用同样的函数将轮廓信息进去提取,计算每个轮廓的最小包络圆,基本上可以找到蓝色有桶的桶盖位置了,图(5)3)EDCirclesEDCircles算法是一种新形式的无参数圆提取算法,运行效果如下图(6)所示。图(6)、基于形状匹配或基于边缘的鲁棒性圆提取算法等操作,皆可得到桶盖/桶口的位置,经过计算得到圆心位置坐标。如图(7)所示,Ow-xwywzw为世界坐标系,Om-xmymzm为测量坐标系,Oc-xcyczc为相机坐标系,On-xnyn为图像坐标系,Op-xpyp为图像实际的像素坐标系。πc为图像平面,πw为标定平面,πm为测量平面,πw平面和πm平面平行,且距离位L,Om在Ow-xwywzw中的坐标为。nO为光轴与cp的交点,称为主点。设πm上任意点Pm的测量坐标为,其中zm=0,摄像机坐标为,对应的在πw上点Pw的世界坐标为,其中zw=0。Pw和Pm在πc上的理想投影点p的理想图像坐标为(xn,yn),畸变图像坐标为(xd,yd),实际像素坐标为(xp,yp)。定义Onxn//Ocxc,Onyn//Ocyc和Oczc⊥πc。则有图(7)