[发明专利]轴对称图形的偏转角度识别的单目机器视觉方法

说明书

本发明涉及一种轴对称图形的偏转角度进行识别的单目机器视觉方法。本发明视觉系统的拍照角度是工件的俯视图。本发明对轴对称工件的偏转角度进行了定义，并根据该定义开发对应方法，使得机器视觉系统通过利用基于OpenCV的库函数来识别并计算轴对称工件的偏转角度。该方法抗干扰性强，对硬件设备要求较低，同时识别精度高。将本视觉系统应用于具有识别轴对称工件的偏转角度任务的流水线上会显著提高流水线的工作效率，实现机器代替人工测量从而实现生产自动化。

技术领域

本发明涉及一种系统对轴对称工件的偏转角度识别的单目机器视觉方法。

背景技术

概括而言，机器视觉可以理解为将视觉装置安装在机器上，或者是让机器具有图像获取和分析的能力。准确来说，美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会对于机器视觉的定义是：“Machine vision is the use ofdevices for optical non-contact sensing to automatically receive andinterpret an image of a real scene in order to obtain information and/orcontrol machines or processes.”，对应的中文译文是：“机器视觉是利用非接触感知的视觉设备自动获取真实场景的图像，并进行相应图像处理，以此得到控制机器或生产过程所需的信息。”

机器视觉的工业应用与数字图像处理技术是密不可分的。系统在通过设备获取图像后，转换为数字图像信息输入到图像处理端，经过所开发的方法计算和处理后，输出项目中所感兴趣的物理量或其他信息。本发明所感兴趣的就是描述轴对称工件的摆放姿态的物理量之一——偏转角度。通常来说，机器视觉方法内都包含图像预处理、图像分割、图像特征识别与提取等部分。而这些技术的基础理论是由冈萨雷斯教授及其团队整合并发表成书。根据这些基础理论，人们在此基础上进行满足各种各样的项目目标的机器视觉方法开发。另外，关于机器视觉系统领域的专项研究，是由20世纪70年代英国的Marr教授开始并搭建了一套完善的视觉理论体系。以Marr视觉理论和数字图像处理理论为基础，根据不同项目的需要，开发对应的机器视觉系统及其方法，可以实现机器视觉代替人眼识别的过程，从而大大提高流水线生产的效率和质量。

已有的识别轴对称图形偏转角度的方法大多是基于图形惯性矩的数学方法。这类方法通过对于工件图像的二值化后，将工件从图片中单独提取，并计算工件在图片中的惯性矩。求出惯性矩最小的轴即作为工件的偏转方向。这类方法的优势在于，利用数学基础对图像进行分析，理论上能够非常准确地计算出工件惯性矩最小的轴，从而计算该轴与指定方向的偏转角度。但是该方法的劣势在于，对于获取的图像质量以及对图像二值化的质量要求非常高。当相机像素较低使得工件在图像中较为模糊，或者图像处理技术效果较差使得工件图像二值化的过程中损失了工件部分信息时，该方法计算所得的偏转角度会有较大的误差。另外，这类方法的通用性和抗干扰能力也较差，轴对称零件的轮廓不规则或者图像获取过程中的噪声较大，都会对最终计算得到的偏转角度产生影响。

发明内容

本发明的目的在于提供一种系统对轴对称工件的偏转角度识别的单目机器视觉方法。

本发明提出的轴对称工件的偏转角度识别的单目机器视觉方法，具体步骤如下：

(1)机器视觉硬件系统的搭建

所述机器视觉硬件系统由相机、光源系统和图像处理设备组成，光源系统包含光照部分和遮光部分。遮光部分称为黑箱，能够减少外界环境对拍照环境的影响；光照部分则为拍照环境单独提供光源，保证工件的亮度；光源系统为相机获取图像创造指定的拍摄环境，通过相机对目标工件进行拍照，获取工件原始图像，将所得工作原始图像信息输入到图像处理设备中，进行原始图像的处理与分析，从而得到所需要的结果；机器视觉硬件系统对于轴对称工件的拍照角度采用能完全展示工件外形轮廓的俯视图；另外，工件的主体颜色应当与背景颜色有较为明显的区分；