复杂场景下的螺母快速识别算法研究*

李庆利，张 帆，李自芹，韩忠义，王天杰

（唐山学院机电工程系，河北唐山 063000）

复杂场景下的螺母快速识别算法研究*

李庆利，张 帆，李自芹，韩忠义，王天杰

（唐山学院机电工程系，河北唐山 063000）

文章提出了一种综合应用哈夫变换实现螺母快速识别的算法。该算法在考虑螺母内外边界几何关系的基础上，应用哈夫变换实现目标边缘特征的提取，以内边界为圆、外边界邻边夹角120°为判据实现对螺母的快速识别。针对哈夫变换运算量大的问题，综合应用目标边缘信息，缩小搜索范围，有效减小了哈夫变换的调用次数和运算数据量，进而提高了识别效率。该方法具有哈夫变换这一传统经典处理方法的鲁棒性，对于存在不同对象间相互粘连的较为复杂场景下的图像，也能很好的实现螺母的快速识别。

机器视觉；螺母；识别算法；边界特征；哈夫变换

0 引言

在现代机械制造业中，零件的识别和测量已成为保证产品质量的一项关链性技术工作。随着自动化程度的提高，传统的人工检测手段已无法满足要求，不仅要耗费大量的人工，效率低下，同时还会增加人为的不可靠因素。机器视觉技术可以很好地解决这些问题，并在精度和生产效率方面显示出了明显的优势［1-3］。然而，在对复杂工作场景的适应性方面，基于机器视觉的零件识别和测量，仍逊色于人工检测。究其原因，是场景的复杂性，增加了目标识别的难度和时间开销。为此，探索快速、可靠的识别算法，对实现复杂工作场景下的识别和检测均具有重要意义。

目前，零件识别已成为机器视觉技术的一大研究热点，而零件视觉特征的选择与提取是零件识别分类的关链技术。用于零件识别的视觉信息主要包括：颜色、形状、纹理、尺寸等信息［4-5］，其中零件的形状特征是最常用的识别依据，且具有很强的鲁棒性。而识别形状往往由于计算量大，实时性不是很好。因此，研究基于零件形状的快速识别技术具有很强的现实意义。零件边界形状特征可用链码、傅里叶描述子和统计矩等描述，文献［6］报道了基于傅立叶描述子的零件快速识别算法。作为局部特征，角点也可较好地表征边界形状，文献［7-8］分别报道了基于角点检测的零件快速识别算法，通过平滑滤波和去除伪角点等改进措施，提高了提取角点的准确性和零件识别的实时性。

对于机械零件而言，直线和圆弧是最基本的特征，复杂的零件轮廓一般是由直线和圆弧光滑连接而成。此外，上述特征的非局部性，使得特征提取对图像中的噪声干扰和局部改变并不敏感；对存在多个被测目标间相互粘连、重叠的情形，也仍有足够多的像素点可以表征该特征。可见，应用哈夫变换，以直线和圆为特征，更适合复杂场景下的零件识别，具有良好的抗干扰性。

本文探讨了综合应用哈夫变换的快速螺母识别方法，该方法以六角螺母的内孔和外部六边形为特征，首先通过目标边缘像素点提取内边界“圆”特征；然后再以内孔定位螺母外部六边形轮廓，有效缩减了哈夫变换的参数空间，减少了计算量；最后以内边界为圆、外边界邻边夹角120°为判据，实现了复杂场景下螺母的快速、有效识别。

1 螺母识别

一般而言，视觉识别系统的软件部分通常由图像预处理与目标识别这两大部分组成。图像预处理用以改善图像视觉效果，便于后续的图像分析和识别［9-12］。机器视觉系统的处理速度与被处理图像的复杂程度有关，为实现复杂场景下对普通螺母的快速、有效识别，本文综合应用了多种技术手段。首先，为增大目标与背景的对比度，采用了均匀背光照明。其次，为消除成像模糊及不均匀背景的影响，综合应用了多种图像预处理算法。核心算法包括：快速中值滤波和基于灰色关联分析的图像分割。从而改善了图像的视觉效果，完整地提取出了目标区域，得到了连续封闭的目标边缘，为后续的螺母识别打下了良好的基础。

图1a所示为采集到的零件原始图像，图像大小为512（像素）×512（像素）；图1b为图像预处理后，经边缘搜索获得的零件边缘图像。可见，普通六角螺母的边缘由一个内圆和一个外六边形组成，且二者之间保持着一定的几何关系，如图1c所示，其中，内圆与外六边形同心，且外边界邻边夹角为120°。

图1 预处理效果图

1.1 特征提取

由于螺母的视觉特征包括圆和六边形，本文采用哈夫变换对边界图像中的圆和直线进行检测［13-14］。

对于直线，假设直线上任意一点的坐标为（xi，yi），则有直线的极坐标方程：

其中θ为点（xi，yi）的极角，p为点（xi，yi）的极径。

应用哈夫变换检测直线时，需将θ和ρ分成许多小段，并设一累加数组对应每小段θ和ρ构成的小单元。将图像中所有边缘点坐标（xi，yi）代入式（1），并使θ以Δθ为步长进行循环，求出相应的ρ值，然后对相应累加数组单元进行计数。最后统计落入点数较多的累加数组单元，并以此单元的θ和ρ值作为对应直线的参数。

哈夫变换检测圆的原理与直线类似，只不过要建立一个三维的累加单元；检测时将图像中所有边缘点坐标（xi，yi）代入式（2），依次变化x0、y0，计算出R，然后在相应累加单元内进行累加。最后进行统计，求解出相应参数。

其中参数（x0，y0）为圆心坐标，R为半径。

哈夫变换的鲁棒性和抗干扰能力十分优异，但计算量及占用的内存空间是非常大的，从而阻碍了其在快速、精确检测方面的应用［15］。因此，在对图像应用哈夫变换检测圆和六边形，进而进行螺母识别之前，必须缩减哈夫变换的搜索空间及运算量。本文采取的措施主要有：以六角螺母的内孔和外部六边形轮廓为几何特征，在算法流程上，按照先内后外的次序进行处理。首先，通过对边缘像素点的筛选，削减了参与哈夫变换的边缘像素点数，并缩减了圆心和半径参数的搜索范围；其次，根据内孔对螺母进行定位，依据螺母内外边界的几何关系，确定正方形搜索区域；进而缩减对组成六边形的直线进行哈夫变换时参数的搜索范围。经过上述处理，有效地减小了运算数据量，提高了识别效率。

1.2 识别步骤

步骤一，在经过预处理后的图像中进行边缘搜索，并对检测到的边缘点进行标记，得到数个连续且封闭的目标边缘，如图2a所示。

步骤二，对得到的目标边缘进行筛选，螺母内孔的边缘像素点应满足的条件为：

其中Ni为第i个封闭边缘的像素数，d0为以像素为单位的螺母内孔直径。实验中δmin，δmax分别取0.9和1.1。

步骤三，对筛选出的封闭边缘以其几何中心（xi0，yi0）和直径d0为初始参数，按照式（2）进行圆的哈夫变换，确定符合要求的内孔及圆心坐标，检测结果如图2b所示。

步骤四，按照国标规定的螺母内外边界几何关系（图1c），以为中心，划定边长为1.25e的正方形搜索区域，如图2c所示。

图2 识别过程

2 识别实验

选取螺母、螺杆、垫圈等零件作为被测对象，在均匀背光照明（照度高于600lux）条件下采集图像，如图1a。以HPCompaq 6380作为主机，使用Delphi语言进行编程，实现上述螺母快速识别算法。实验结果图3所示，按照国标规定的螺母尺寸序列，程序识别出了图像中的所有螺母，耗时约0.6s。可见，本算法不仅对单个螺母有较好的识别效果，对图像中“粘连”的螺母亦可有效识别。

图3 识别结果

3 结论

本文提出了一种综合应用哈夫变换的快速螺母识别方法。该方法以内边界特征为圆，外边界特征为邻边夹角120°作为判据，通过目标边缘像素点提取内外边界特征，实现螺母的快速识别。首先以内孔直径为参数实现对边缘像素点的快速筛选，并应用哈夫变换检测内圆；然后依据螺母内外边界之间的几何关系，以内孔为中心在一定范围内应用哈夫变换检测直线，进而求取邻边夹角并进行判别。有效减少了圆和直线的哈夫变换次数和计算数据量，既有传统哈夫变换方法的鲁棒性，又提高了识别效率，而对于存在不同对象间相互粘连的较为复杂的图像也能实现对螺母的快速识别。

［1］权欢欢，张洛平.基于机器视觉的装配线上零件识别的研究［J］.组合机床与自动化加工技术，2007（12）：58-60.

［2］王晓东，宋洪侠，刘超，等.基于机器视觉的微小型零件测量与装配控制［J］.哈尔滨工程大学学报.2011，32（9）：1117-1122.

［3］葛旋，钟佩思，吕晓东，等.基于机器视觉的螺栓智能装配系统［J］.制造业自动化，2014，36（9）：150-153.

［4］何慧钧，张文强，邱晓欣，等.高速移动背景下多目标零件的实时识别系统［J］.计算机应用与软件，2012，29（11）：153-155.

［5］夏庆观，盛党红，路红，等.零件图像特征提取和识别的研究［J］.中国机械工程，2005，16（22）：2031-2033.

［6］魏振山，赵长宽.基于傅立叶特征的几何零件快速识别［J］.机械设计与制造，2010（6）：54-56.

［7］杨惠，杨会成，王晓薇倩.改进Harris角点检测算法的零件形状识别［J］.重庆理工大学学报（自然科学），2013，27（12）：64-67，90.

［8］敬淇文，李文荣.基于Harris角点检测的零件形状识别［J］.微计算机信息.2010，21（6）：182-184.

［9］孔侃.螺母机器视觉检测与筛选系统研究与设计［D］.赣州：江西理工大学，2012.

［10］盛党红.机械零件图像跟踪与识别关链技术基础研究［D］.南京：南京理工大学，2009.

［11］曲东升，伍星，刘彦武，等.基于预加工孔CCD图像的零件视觉定位［J］.组合机床与自动化加工技术，2010（9）：79-82.

［12］段黎明，汪威，张霞.改进的Hough变换实现圆检测［J］.计算机集成制造系统，2013，19（9）：2148-2152.

［13］张江鑫，沈小兰，王辉，等.快速随机Hough变换多直线检测算法［J］.浙江工业大学学报，2013，41（3）：346-350.

［14］龚立雄，黄敏.基于改进Hough变换的圆形零件尺寸测量研究［J］.现代制造工程，2014（2）：98-102.

［15］滕今朝，邱杰.利用Hough变换实现直线的快速精确检测［J］.中国图像图形学报，2008，13（2）：234-237.

（编辑 赵蓉）

Research on Fast Visual Identification A lgorithm of Nut under Com p lex Scenes

LI Qing-li，ZHANG Fan，LI Zi-qin，HAN Zhong-yi，WANG Tian-jie
（Department of Electromechanical Engineering，Tangshan College，Tangshan Hebei063000，China）

A fast visual identification algorithm of nut is developed via combination of Hough transforms.The algorithm is based on the relationship of inner and outer boundary of nut；Hough transforms are applied to the feature extraction from the object boundary；and the fact that inner boundary is a circle and the adjacent side of the outer boundary is120 deg angle can be selected as the criteria for fast nut identification.The computational problem of Hough transform is carefully considered；the number of calls and the amount of data in computing can be reduced via comprehensive use of object boundary pixels and narrowing the search limit.The algorithm not only exhibits the robustness of Hough transforms as classic image processing methods，but also shows good result for fast nut identification under complex scenes where different objects are partially inter-connected.

computer vision；nut；identification algorithm；boundary feature；hough transform

TH165；TG506

A

1001-2265（2015）06-0087-03 DOI：10.13462/j.cnki.mmtamt.2015.06.024

2015-01-23；

2015-03-13

河北省科技计划项目（13211815）

李庆利（1971—），男，河北唐山人，唐山学院副教授，硕士，研究方向为数字图像处理，机器视觉技术应用，（E-mail）QLJLQL@163.com。