划片机视觉识别系统设计原理分析终版.pdfVIP

划片机视觉识别系统设计原理分析 1 视觉识别系统构成 划片机的视觉识别系统是以计算机为主的实时图像处理系统。 ： 由光学照明系统， CCD 摄像器件，图像处理软件等部分组成。识别系统的目的是实现自动对 准，在工作台精度保证的前提下，高精度的图象处理算法对视觉自动对准系统的精度起着决 定性的作用， 这当中的核心部分就是模式识别算法。 目前常用的识别方法有统计模式识别法、 特征提取法、神经网络识别、模板匹配法等。国内在这一领域起步相对较晚，科研力量主要 集中在一些高校院所，侧重于理论研究，市场化效应不太明显。这就使得在机器视觉领域的 发展速度上明显落后于欧美各国。 2 技术路线选择 针对国内外现状，我们在着手建立划片机自己的视觉识别技术构架时，出发点就摆在一个怎 样根据设备自身特点，尽量利用现有成熟资源和理论算法，建立一个集效率和实用于一体的 视觉算法集，进而形成针对全自动划片机自己的机器视觉库。通过尝试过多种方式，包括和 国外机器视觉公司合作，根据特定功能模块要求定制其成套视觉识别系统等。但是遇到的问 题是必须承担国外公司昂贵的开发成本和高额利润，导致设备成本直线升高，而且在合作的 过程中极有可能泄露我们自己的技术秘密。实践检验这条路子是不可行的。购买国外视觉公 司的软件开发包，进行二次开发较上种方式更为合适，技术难度也较小。然而也面临着软件 开发包针对性不强，实际使用过程中效果并不完全符合现场要求，单台设备成本提高及出现 问题无法解决等情况。经过不断摸索，以及对当今业界几种通用算法的比较后，我们最终决 定在全自动划片机上采用基于 Open CV 视觉函数库的模板几何特征匹配算法。 Open CV 是英 特尔开源计算机视觉库，是一个跨平台的由中、高层 API 构成的视觉函数库。它由一系列 C 函数和少量 c++类构成，实现了图像处理和计算机视觉方面的很多通用算法，这就避免了我 们在一些成熟低水平算法上的重复研究，节省了大量时间。更重要的是它对非商业用途和商 业用途都是免费 (FREE) 的，不会对我们的设备成本造成压力。而模板的几何特征匹配是 20 世纪 90 年代后期在市场上出现的一种新的视觉定位技术。 据了解， 目前世界许多著名的半导 体设备厂商包括日本 DISCO，东京精密， 美国 K＆s 等都在其主要设备视觉领域采用了与此相 关的技术。与传统的灰度级匹配不同，几何特征匹配通过设置兴趣域并学习兴趣域内的物体 几何特征，然后在图像内寻找相似形状的物体，它不依赖于特殊的像素灰度，从原理上保证 了它具有优于传统视觉定位算法的一些特点。该算法在全自动划片机的研制过程中得到了验 证。这种技术的应用，提高了全自动划片机的视觉识别效率和自动对准能力，使得在改变工 件角度、尺寸、明暗度等条件的情况下，仍能精确定位物体，实现自动对准划切。 3 识别系 统设计 3.1 设计流程视觉识别系统的设计结构大都基本相似， 关键在于识别算法的选择， 划 片机视觉识别系统设计结构流程： 在该算法的应用过程当中，考虑到划片机工作现场的实际情况，为了有效地提取预存模板图 像的特征点，我们对获取的划切工件模板图像进行了预处理，以便提取出图像当中的几何特 征，这些预处理主要包括减小和滤除图像中的躁声、增强图像中待匹配的几何特征点等。这 其中滤波和分割是提取预模板图像几何特征前的两个重要步骤。 3.2 滤波器设计原理一般来 说，现场躁声在图像中都表现为高频信号，因此一般的滤波器都是通过减弱和消除傅立叶空 间中的高频分量来达到滤波的目的。然而，待划切工件中的各种结构细节，如：边缘和角， 也都属于高频分量，因此，如何在滤除躁声的同时最大限度地保留图像中的结构特征，一直 是图像滤波研究中的主要方向。线性滤波器有移动平均滤波器和高斯滤波器等，非线性滤波 器中最常用的有中值滤波器和 SUSAN(Smallest Univalue Segment Assimilating Nucleus) 滤波。其中 SUSAN滤波可以在滤除图像躁声的同