基于机器视觉分拣系统开发.docVIP

基于机器视觉分拣系统开发 　　摘要：研究了基于机器视觉的分拣系统开发的基本原理、系统组成及检测算法，介绍了开发过程中所用到的主要的图像处理算法。该系统利用Visual C ++编程软件建立图像处理的算法库，实现对规则几何工件的识别和定位，从而对符合要求的工件进行分拣归类。仿真结果表明，该系统能有效实现对规则几何工件的识别和分拣目的。 　　关键词：机器视觉；图像处理；分拣；目标识别 　　引言 　　机器视觉技术是指用摄像机和计算机来模拟人的视觉功能。近年来随着自动化程度要求的不断提高，机器视觉作为一种新型的科学技术手段开始广泛应用于电子电器、航天、汽车及汽车零部件制造业、制药、工业和电子等领域。工件分拣是工业生产环节的重要组成部分。传统的传感器分拣技术需要将工件有序依次通过传感器的检测范围，灵活性差，检测速度慢，检测工件种类有限，有时需对工件进行接触造成工件损伤等，而利用机器视觉的分拣技术具有检测速度快、可靠性好、实时性高等特点，可以实现无接触、无损检测。本文提出了一种基于机器视觉的工件分拣系统，该系统把机器视觉技术应用到工件分拣问题中，建立摄像机标定的人机交互界面。同时研究了相关图像处理算法，利用阈值分割方法和边缘检测方法解决了工件识别问题以及定位工件中心，有效解决工件的分拣问题。 　　1视觉分拣系统的构成 　　本文以三轴运动控制平台为基础，构建了机器视觉分拣系统硬件平台，如图1所示。该工件分拣系统主要有三大模块组成：视觉模块、工件平台模块和分拣系统模块。 　　图1 机器视觉分拣系统实体图 　　视觉模块包括工业CCD、图像采集卡等，工件平台模块包括伺服电机、驱动器、丝杠、位置传感器、气动夹爪等，分拣系统模块包括运动控制卡、上位机等。工业CCD与上位PC机相连，用于采集图像数据并传送图像数据。上位机用于编写和运行人机界面和图像处理程序，处理完成的数据通过以太网发送至运动控制卡，运动控制卡根据上位机的数据控制三轴运动平台运动，最终实现工件分拣。 　　其工作示意图以及工作流程图如图2、图3所示。 　　图2 视觉分拣系统工作示意图 　　图3 视觉分拣系统的工作流程图 　　本文摄像机采用高灵敏度高分辨率CCD 摄像机，运动控制卡采用的是GALIL公司的DMC2143经济型四轴独立控制器，上位机采用PC或IPC，三轴运动平台是采用伺服电机驱动高精度丝杠螺母。 　　2 算法实现 　　2.1 相机的标定 　　在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定（或摄像机标定）。无论是在图像测量或者机器视觉应用中，相机参数的标定都是非常关键的环节，其标定结果的精度及算法的稳定性直接影响相机工作产生结果的准确性。 　　本文以正方体工件为标定模板，在工件正上方的位置拍摄一幅图像。如图4所示，获得正上方位置的目标图像，并根据图像点之间的对应关系即标定出相机内参数和外参数。该方法的目的是将空间坐标系变换到图像坐标系。 　　图4 目标工件原图 　　2.2 相机模型 　　本文中相机模型解决的是三维场景中的点与图像平面上的点的对应问题。针孔模型为线性模型，如图5 所示。空间点P（XW，YW，ZW）在图像平面上的像点为p（u，v），点是空间点P 与光心的连线和图像平面的交点。坐标的转换过程，如图6所示。 　　转换关系： 　　M3 为世界坐标到相机坐标的变换矩阵，可表述为旋转加平移变换，R 为3×3 旋转矩阵，为一正交矩阵，虽然有9 个元素，但只有3 个独立变量（φ θ 准）。T 为平移矩阵T=[Tx Ty Tz]T。M2 为相机坐标到图像坐标的转换矩阵，f 为焦距。M1 为图像坐标到像素坐标的转换矩阵，其中dx、dy 分别表示一个像素在x 与y 方向的物理距离，u0、v0 分别表示相机光心在像素坐标系中的位置。 　　若已知矩阵M1，M2，M3，就可建立起世界坐标和像素坐标的对应关系。相机的标定的任务就是求出每个变换矩阵中的参数，其中矩阵M3 中的（φ，θ，Tx Ty Tz）为相机的外部参数，矩阵M1，M2 中的（f，dx，dy，u0，v0）为相机的内部参数。 　　2.3 图像分割 　　在计算机视觉领域，图像分割（Segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。图像分割的方法有很多种，主要可以分为：阈值分割方法、边缘检测方法、区域提取方法、集合特定理论