电解电容视觉定位算法研究

2020-05-30朱晓凡严国平

湖北工业大学学报 2020年2期

朱晓凡，严国平，钟飞，黄振

(湖北工业大学机械工程学院，湖北武汉 430068)

电容装箱过程中，计算机通过分析摄像机拍摄的电容图像获取电容的位置及角度，这一过程被称之为特征识别和提取。图像识别算法包括模板匹配法、相关法、几何不变矩和投影法[1]。模板匹配法是建立一个目标物的特征库，然后用模板遍历被搜索图，找出相关度最高的位置。数字图像相关法是一种非接触，用于全场形状、变形、运动测量的计算机视觉技术。不变矩是根据图像图形特性来辨别图像特征的一种方法，其概念由M.K.Hu在1961年首先提出[2]。Hu不变矩是图像的一种统计特征，因其具有平移、旋转与比例不变性而被广泛应用于图像识别领域。投影法是将图像中高维信息用低维信息来表示，能够简单快速地提取图像特征[3]。其中，模板匹配能够寻找复杂单一的特征，但是计算量大；投影法适用于简单的特征查找，计算量小；Hu不变矩计算量小，且能够获取多种集合特征，适用于简单物体的识别。本文采用Hu不变矩来识别电容的中心位置和倾斜角度。

1 机器视觉系统结构

电容装箱流程分解为上料、装盘、振平、引脚校形、开箱、取托盘、装箱与封箱等8个步骤[4]，其机械结构如图1所示。

机器视觉系统主要由传送带、装盘机器人、工业相机和计算机组成，其系统组成结构如图2所示。

电容加工完成后，从下料口散落在传送带上，传送带将电容运送到另一端的识别区，相机给电容拍照，拍摄的内容传递给采集卡作处理，然后由计算机计算出电容的位置角度及针脚朝向，再将电容位置信息传递给机械手控制器，控制器控制机械手吸取电容到电容托盘中。排列好的电容如图3所示。

1-电容装箱机械手；2-储料器；3-开箱机；4-电容上料皮带； 5-电容装盘机器人；6-电容装盘；7-针脚梯形机；8-封箱机图 1 电容装箱生产线

图 2 视觉系统结构

图 3 电容托盘

2 电容特征识别

2.1 电容图像预处理

电容在传送带的形态如图4所示。挡板将电容约束在传送带中部，保证电容各部分都在拍摄范围之中。传送带背部有光源，使电容与背景的区分更加明显。

图 4 传送带上的电容

为获取单个电容在整张图像中的位置，需要消除无关因素的干扰，同时将电容分割为独立的部分。对电容作以下处理[5-7]：将三通道的图像转化为单通道的灰度图，进行中值滤波与二值化，腐蚀去除电容之间的粘连和针脚重叠，并将电容分割为独立的个体，生成连通域，进行面积选择，并剔除不符合的区域(图5)。

图 5 预处理流程图

工业相机拍摄的照片为三通道图。该图像不便于计算机计算(计算速度慢)，所以需要将图像灰度化，其处理公式

(1)

式中：fi,j为灰度化后(i,j)点的灰度值，Ri,j、Gi,j、Bi,j分别为(i,j)处红、绿、蓝分量的值。图像背景中的噪音会影响识别效果，需要将灰度图进行滤波降噪处理。滤波的常用方法有均值滤波、中值滤波和高斯滤波，其滤波效果如图6所示。

图 6 滤波效果

由图6可知，虽然三种滤波方式的降噪效果相同，但是中值滤波的对边缘保留的效果最佳。

为将电容从背景中分割出来，需将图片进行二值化，即将大于阈值的灰度值设为1，小于或等于阈值的灰度值设为0：

(2)

式中：gi,j为二值化后的值，fi,j为原灰度值，k为阈值。二值化后的图像如图7所示。

图 7 电容图像二值化

将电容从背景中分离出来之后，所有电容为一个整体，需要将单个电容分离出来。由图7可知，电容与电容之间有重叠与粘连，不易通过连通域将其分离，在操作之前需要对电容进行腐蚀操作。

图 8 腐蚀示意图

如图8所示，以矩形结构元遍历整个区域，如果结构元与该像素点及周围像素完全重合，则保留该点，否则，抛弃该点。经过腐蚀操作，区域范围变小，边缘回缩，电容粘连和交叉的部分被分离。电容腐蚀后的效果如图9所示。

图 9 腐蚀效果图

腐蚀操作过后，电容之间连接的部分被分离开来，方便单个电容的识别。电容的针脚特征在腐蚀操作中丢失，但是可以通过电容针脚端的缺口特征来识别电容的朝向。

单个像素周围的8个像素单元称为八邻域(图10)。

图10 八邻域

通过遍历所有像素点的八邻域，若八邻域中有像素点，则认为该点和中心点连通。遍历所有的像素点，并标记所有连通域。

通过以上处理，得到图11所示的电容区域图，不同的区域以不同的颜色显示。在预处理过程中，每个电容各自区域的位置被找出，求解电容的位置角度需遍历所有电容区域，求解每个区域中电容的中心位置和倾角。

图11 电容区域图

2.2 电容位置及倾角计算

由于电容针脚端有缺口，电容图片的质心和外接矩形的中心不重合。在抓取过程中，机器手的真空吸盘应该吸取电容重心处。由于电容针脚有质量，电容的重心与电容区域图的外接矩形中心近似重合，故将电容区域图的外接矩形中心作为抓取点。

(3)

式中：x、y为像素点的坐标；M、N为图像的高与宽；f(x,y)为该点的灰度值。

图像的零阶矩代表被测对象的面积，一阶矩表示被测对象的质心，二阶矩代表其方向[9]。

(4)

式中mpq为图像的(p+q)阶矩。

对于一个二值化后的图像，式(4)可改写为：

(5)

由上可知，m00表示为待测物体的面积，离散的图像中心距

(6)

将式(6)进行归一化，得到归一化的中心距

(7)

对其求二阶矩，得到待检测物体的偏转角度

(8)

通过求取电容区域最小外接矩形的一阶矩，获取电容的中心位置；通过外接矩形的二阶矩获取电容的倾角；遍历所有电容区域，可以获得整张图片上所有电容的中心位置和倾角。

2.3 电容针脚朝向识别

由电容轮廓(图12)可知，电容的针脚端有两个小缺口，识别出缺口的方向即识别出电容针脚的方向。

图12 电容轮廓

由于电容的针脚朝向未知，通过电容图像的二阶矩获取电容的倾斜角度φ之后，电容旋转至水平角度为φ或-(180°-φ)。由式(3)可知，带缺口的电容图像的质心会远离缺口端。如图13所示，将带缺口的电容图像旋转φ之后至水平，分别求取电容外接矩形的中心和带缺口图像的质心，会有图13a和图13b两种情况，即质心在中心左侧和质心在中心右侧。若质心在中心左侧，则电容的待旋转角度为φ；若质心在中心右侧，电容的待旋转角度为-(180°-φ)。