机器视觉图像处理.docVIP

移动机器人使用双目视觉系统对物体进行3D坐标检测 （Guo-Shing Huang, Ci-En Cheng） 摘要：这篇论文主要讨论了智能机器人双目视觉系统，它利用了图像处理原理和边缘检测算法，这样可以更加清晰的得到物体的边缘轮廓。利用随机测圆法和Hough变换的随机线条可以找到指定的对象。我们探讨了图像识别应用技术。通过机器人定位算法，在双目视觉坐标系下，可以快速而精确的定位目标。通过两个网路摄像机的校订，我们可以得到内部和外部参数，目标物体固定位置的3D空间坐标可以由双目视觉三角法精确计算得到。物体和机器人之间的距离可以有坐标变换系统得到。经由三角几何理论检测，系统误差在允许的范围内。同时可以得到期望的精度和可靠性。 一、引文 我们提出了机器人双目视觉系统应用坐标，对人眼进行仿真，做到智能检测应用。因此，这样的系统可以在机械臂的作用下精确的捕捉目标的位置，而不需要大数量的传感器。 双目视觉系统可以通过左右相机捕捉的图像找到共同的特征点。通过形态学的处理，物体和相机之间的距离可以精确的计算到。物体的三维坐标可以使用相机参数表示。因此，物体可以由机械臂抓取。 部分2详细的介绍了餐饮服务机器人的外观和双目视觉硬件结构。 部分3描述了寻找特征点的图像处理过程。 部分4讨论并图示了特征点转换为三维坐标的过程。 部分5和6分别给出了实验结果和结论。 二、双目视觉系统的结构 图1 BVS硬件结构 双目视觉系统硬件结构包括2个相机，安装在机器人的头部。由计算机组成的操作系统的结构如下。 图2 BVS和机械臂系统结构 三、图像处理 选取现实中使用的目标物体，包括易拉罐，聚酯塑料瓶，杯子 图3 目标物体检测 所选目标物体具有不同的颜色，形状，找到它们的中心点，左右两个特征点，作为筛选目标物体的依据。 A 形态学 选取一个合适的阈值，便可以将目标物体从环境中分离出来。通过左右相机所得到的相机图像利用二进制系统表示以及HSV颜色模块，可以得到一个合适的阈值处理过程。 图4 图像处理 图像经过腐蚀和膨胀可以消除图像噪声。 将RGB颜色模块转换到HSV颜色模块，转换方程如下： B、物体识别 通过灰度等级的突变，如果在一阶导数形成的高峰超过阈值之后，将会呈现测点形状。二阶微分是通过零交叉概念。对于函数f(x,y)沿着x轴的微分为 对于x轴的微分进过平方和替换可以得到 同样的对于y轴的微分类似。便可以得到 通过Hough 变换，我们可以将x-y的坐标转为r-θ空间的坐标，这就是Sandy-Method空间角检测线方法。 图 5 x-y坐标空间与r-θ空间坐标的关系 可以得 中心圆方程包括两个变量和一个可变的半径，需要进行累计数组测量。将每一个边缘点的位置坐标代入方程可以得到半径值。当所有的边缘点转换完毕的时候，通过设定的阈值和累积数组变换，便可以知道是否得到一个大致的图像。 图6 三维累积数组 假设在图像中有K个侧点，为了得到对应于二维坐标的半径值r，将侧点代入a*b大小的圆中。检测每一小的格子，当数据超过阈值的时候，便可以得到下图 图7 数字圆 C 寻找特征点 寻找特征点，对数据进行成批处理，然后得到目标点。对数据进行成批处理，是为了降低特征点的影响和复杂性，增加了特征点的精度。寻找的特征点如图所示，特征点在图8(a),(b)中以两个红色表示出来.图8(c)(d)表示使用Hough变换寻找图像中椭圆的中心点，因此便可以得到中心点。同样的特征点以红色表示出来。 图8 特征点 四、定位坐标 A 相机坐标 图9是坐标系统的变换。左右图像的特征点是像素点，通过内部参数矩阵，像素点可以转换为相机坐标。右相机是相机坐标的原点，对于理想的针孔摄影，实像可以投影到像板上，这是远视投影。这就是三维空间坐标转换为二维像素坐标的转换办法。 图9 双目视觉几何关系图解 图10所示，图像中心Oc的三维坐标是相机坐标系统，3D空间点对应相机点。以点P=(Xc,,Yc,Zc)表示。Zc是相机的光轴，F是Oc到像板之间的距离。Q是图像中心的焦点。图像面板上p点坐标是P的投影。图像坐标可以表示为P=（ ）。 像板上投影点的坐标可以用如下等式表示 相机坐标的三维坐标可以表示为等式 λ是比例因子，可以随着图像分辨率的大小而改变。 图10 透视投影几何图解 B 相机参数 实际情况下，相机的投影在像板上并不是理想的投影。因此，我们必须对相机元素进行校正。由于透镜的放射影响，图像的中心坐标变成（）。，相机因此，相机Xc轴和Yc轴的系数是不等的，需要分开考虑。可以如下表示 r是偏移系数代表了X轴和Y轴相对于直角的偏移角度。r值近似为0.整个内部参数矩阵表示如下。 五、实验结果 A 相机参数校定 在整个研究中，双目视觉调整使用的是10*7的黑色象棋盘，每一个方块的尺寸是25.5*25.5mm^2.