机器视觉应用於不同类型汽车晴雨窗加工定位系统开发.PDF

機器視覺應用於不同類型汽車晴雨窗加工定位系統開發 許光城 陳昆明 吳宗憲 黃品睿 高雄應用科技大學 高雄應用科技大學 高雄應用科技大學 高雄應用科技大學 hsuqc@.tw s8608012@. adavid10010@yahoo.c e6226896@. tw om.tw tw 摘要 本研究透過 Visual C++搭配 OpenCV 影像函式庫開發出一套針對汽車晴雨窗加工定位之系統。為了 在進行定位時可以獲得準確之位置資料，因此必須先取得已知影像座標及相對應之世界座標校正點資 料 ，進而取得影像座標與世界座標之轉換關係，再由架設於工作平台上方之攝影機擷取汽車晴雨窗整 體影像，接著運用二值化、邊緣偵測等方法去除因影像相減所殘留雜訊，最後再依據其周長、面積及 密集度來判斷晴雨窗類型 。定位方面則是藉由搜尋汽車晴雨窗加工起點及加工終點之座標來找出晴雨 窗之位置及偏轉角度 ，其中在迴歸分析中 X 軸座標總誤差為 1.108mm ，Y 軸座標總誤差為 1.271mm ，已相當接近本影像系統應有的準確度[1][2][5][7][8] 。 關鍵字：機械視覺、定位、晴雨窗 壹、前言 為了改善在汽車晴雨窗倒角製程上常因人工作業而造成產品良率下降，使得在耗材及人力成本增加 ， 有鑑於此，提出將汽車晴雨窗倒角製程改為自動化加工，為了實現製程自動化不只要設計出每個不同 類型晴雨窗的路徑，還需要自動判別出不同類型的晴雨窗及定位，使得自動化系統更加靈活。 晴雨窗倒角製程自動化初步規劃為應用機械視覺判斷該晴雨窗種類、偏移量及偏轉角度，最後再呼叫 出對應該晴雨窗之加工路徑，並根據其偏移量及偏轉角度，將原本輸入之路徑加以修正，故本研究將 對機械視覺作深入探討，並設計出一套系統，使得此系統可以自動判別出晴雨窗種類並加工 。 貳、研究方法 一、坐標系轉換 為了在進行影像定位時可以獲得正確之位置資訊，因此必須將影像座標中一點 I(IX,IY)轉換 成世界座標 W(WX,WY) ，首先令影像座標轉換至世界座標滿足以下線性關係式，如式 1 、 式 2 ，並找出三個已知影像座標及相對應之世界座標點求出 a 、b 、c 、e 、f 、g 之值。 WX a IX b IY c (1) WY e IX f IY g (2) 二、背景切割 在 影 像 處 理 中 若 要 取 得 前 景 物 體 ， 其 最 快 速 之 方 法 即 為 背 景 相 減 法 (Background Subtraction) ，首先建立一個背景模型，接著再將有前景物體之影像與背景模型作灰度值相 減，最後再將相減出來的值取絕對值，藉此得到晴雨窗之影像，如圖 1 。 圖 1 ：兩影像相減結果 由圖 1 可得知經由背景相減法所得到之影像尚有許多雜訊未被去除，因此將設立一門檻值 去除大部分之雜訊，其中門檻值建立是藉由相減後之影像畫出其灰度直方圖，如圖 2 ，但 1 由圖 2 中發現其像素灰度值較低的點數量比其他灰度值之點數量高出許多，而造成此原因 主要是因為有前景影像與背景模型影像其背景相同，除了有前景物體的部分以外，故會造 成在相減後所得之影像灰度值在灰度值較低的點數量會較多，因此為了要得到前景物體的 灰度值範圍，在此將灰度值低於 20 之點數量忽略，只計算灰度值高於 20 之點數量，並取 該灰度值之點數量大於 100 之灰度值作為門檻值(灰度值：106 ～129) ，如圖3 。 圖 2 ：影像相減後之灰度直方圖 圖 3 ：影像相減後灰度值 21 ～25