本發(fā)明屬于機(jī)器視覺圖像處理技術(shù)領(lǐng)域，具體涉及在工業(yè)場景下，對圓形物體的精確檢測和定位的方法。

背景技術(shù)：

圖像處理技術(shù)通常是一個(gè)視覺系統(tǒng)的核心部分，本發(fā)明所涉及的邊緣點(diǎn)提取以及橢圓檢測均為圖像處理領(lǐng)域最為重要的研究方法之一。

當(dāng)人們觀察一個(gè)物體時(shí)，所感知到邊緣通常是顏色有明顯變化的地方，而在圖像中對這種變化進(jìn)行數(shù)學(xué)表示的就是邊緣檢測算子。其中比較常用的算子有Roberts算子、Sobel算子、Prewitt算子、Laplacian算子以及Canny算子等。這些傳統(tǒng)的基于邊緣檢測算子的算法雖然能夠提取出邊緣的像素，但同時(shí)會將很多噪聲點(diǎn)誤認(rèn)為是邊緣。尤其當(dāng)物體的厚度不可忽略時(shí)，厚度因素會導(dǎo)致物體在邊緣的提取過程中加入很多的噪點(diǎn)，使檢測出的物體形狀在傾斜的厚度一側(cè)向外扭曲。

Hough變換是由Paul Hough于1962年提出的，實(shí)現(xiàn)了一種從圖像空間到參數(shù)空間的映射關(guān)系。其核心思想在于點(diǎn)與線的對偶性，圖像空間中共線的點(diǎn)可以與參數(shù)空間中交于同一點(diǎn)的線一一對應(yīng)。Hough變換被廣泛用于線段、圓、橢圓等目標(biāo)的檢測中，各種新的改進(jìn)算法也陸續(xù)提出。針對于橢圓檢測，較為經(jīng)典的有5點(diǎn)Hough變換檢測，隨機(jī)Hough變換檢測等方法。

為縮小參數(shù)空間的維度，提出了一種基于橢圓三點(diǎn)(長軸2端點(diǎn)和橢圓上其它任意1點(diǎn))確定法的1維度Hough變換檢測法。

在工業(yè)應(yīng)用中，單目2D相機(jī)由于成本低廉和處理快速等優(yōu)勢而被廣泛應(yīng)用。工業(yè)環(huán)境下為進(jìn)行物體抓取，可將單目2D相機(jī)固定在機(jī)械臂上，相機(jī)隨機(jī)械臂一起移動，在物體正上方拍攝圖像。工業(yè)環(huán)境中圓形零件使用非常普遍，但是由于小孔成像原理以及圓形物體的對稱性，在圓形物體上方對物體拍攝后，繞X、Y軸的旋轉(zhuǎn)角為(α,β)和(-α,-β)在圖像中形成的橢圓輪廓是一樣的，這就造成了物體定位的旋轉(zhuǎn)鏡像問題。同時(shí)由于單目2D相機(jī)不能獲取深度信息，在對圓形物體的旋轉(zhuǎn)角大小計(jì)算時(shí)，利用圓形物體在圖像中檢測出的橢圓信息，計(jì)算先繞X軸旋轉(zhuǎn)角絕對值再繞Y軸旋轉(zhuǎn)角絕對值(其中a為長半軸，c為橢圓中心沿Y軸方向到橢圓點(diǎn)的距離，d為橢圓中心沿X軸方向到橢圓點(diǎn)的距離)。但由于y＝cos^-1(x)函數(shù)曲線在x＝1附近比較陡峭，當(dāng)或接近1時(shí)，即使檢測到的c、d誤差較小，計(jì)算出的旋轉(zhuǎn)角的誤差也會很大。

技術(shù)實(shí)現(xiàn)要素：

為了實(shí)現(xiàn)對帶厚度干擾和鏡像問題的圓形物體的精確定位，本發(fā)明提供了一種基于邊緣點(diǎn)密度去除厚度噪點(diǎn)的方法，以消除厚度噪點(diǎn)對圓形物體的干擾，同時(shí)利用噪點(diǎn)中心位置關(guān)系解決旋轉(zhuǎn)鏡像問題，準(zhǔn)確計(jì)算出物體旋轉(zhuǎn)的方向；針對于物體中間帶有突出的圓柱的情況，利用中心偏移算法計(jì)算物體旋轉(zhuǎn)角的大小。

本發(fā)明提出的帶厚度干擾的圓形物體的精確定位方法，具體步驟為：

(1)基于邊緣點(diǎn)密度提取去除厚度產(chǎn)生的噪點(diǎn)后的邊緣輪廓；

(2)基于厚度噪點(diǎn)中心的旋轉(zhuǎn)鏡像處理；

(3)基于中心點(diǎn)偏移的目標(biāo)精確定位。

其中，步驟(1)所述的基于邊緣點(diǎn)密度提取去除厚度產(chǎn)生的噪點(diǎn)后的邊緣輪廓，使用Canny算子提取輪廓，在低閾值情況下提取出的輪廓明顯可以看到由于厚度產(chǎn)生的雙邊或多邊，所以由零件厚度產(chǎn)生的噪聲點(diǎn)，其周圍的邊緣點(diǎn)密度較大。利用這一特性，遍歷整個(gè)輪廓曲線上的點(diǎn)，即可判斷是否是噪聲點(diǎn)。具體流程如下：

(a)使用高閾值Canny算子(即使用otsu自適應(yīng)閾值算法，計(jì)算出Canny的2個(gè)閾值threshold_1、threshold_2)提取邊緣像素點(diǎn),對邊緣像素點(diǎn)進(jìn)行連接，提取出連續(xù)的輪廓曲線；

(b)使用低閾值Canny算子(即在使用otsu自適應(yīng)閾值算法計(jì)算的閾值參數(shù)基礎(chǔ)上，乘以一個(gè)[0.2,0.5]之間的比例因子)再作邊緣點(diǎn)檢測；

(c)遍歷(a)中提取到的每個(gè)輪廓曲線的點(diǎn)p₁,p₂,…,p_n，統(tǒng)計(jì)p_i(i＝1,…n)的周圍k×k范圍的邊緣點(diǎn)的個(gè)數(shù)d_i，作為p_i的邊緣點(diǎn)密度的計(jì)量值(其中，k為預(yù)設(shè)的參數(shù))；

(d)根據(jù)每個(gè)輪廓點(diǎn)p_i(i＝1,…n)的邊緣點(diǎn)密度d_i的大小，對該輪廓上的所有像素點(diǎn)進(jìn)行升序排序；

(e)找到邊緣點(diǎn)密度d>＝DensityThresh的第一個(gè)輪廓點(diǎn)的序號j,取rate＝MIN(j/

size,RateThresh),將排序后的尾部rate比例的輪廓點(diǎn)作為噪聲點(diǎn)刪去(其中，DensityThresh為預(yù)設(shè)的密度閾值參數(shù)，size為輪廓的像素點(diǎn)數(shù)，RateThresh為預(yù)設(shè)的噪聲點(diǎn)比例閾值)；

(f)計(jì)算出(d)中刪去的噪聲點(diǎn)的中心(noiseCenter)，用于步驟(2)解決圓形物體在圖像中的鏡像問題。

步驟(2)所述的基于厚度噪點(diǎn)中心的旋轉(zhuǎn)鏡像處理，首先采用基于Hough變換的方法，利用橢圓的三點(diǎn)確定法(長軸2端點(diǎn)和橢圓上其它任意1點(diǎn))，對步驟(1)提取出的去噪聲點(diǎn)后的輪廓點(diǎn)進(jìn)行橢圓檢測，得到橢圓的精確檢測結(jié)果，根據(jù)橢圓長軸與步驟(1)中noiseCenter的位置關(guān)系判斷物體旋轉(zhuǎn)角方向。具體流程如下：

(a)對步驟(1)提取的去噪聲點(diǎn)后的輪廓，采用基于Hough變換的橢圓長短軸-三點(diǎn)檢測

法，得到橢圓參數(shù){O(O_x,O_y),a,b,θ}，實(shí)現(xiàn)圓形物體的精確檢測,中心位置坐標(biāo)O(O_x,O_y)；

(b)先算出noiseCenter在(a)檢測到的橢圓長軸L的方位direction，計(jì)算旋轉(zhuǎn)角rotX，

rotY的正負(fù)號signX和signY，從而解決了圓形物體在圖像中的鏡像問題：

如果θ>＝0，direction為左上方：signX＝1，signY＝-1；

如果θ>＝0，direction為右下方：signX＝-1，signY＝1；

如果θ<0，direction為右上方：signX＝1，signY＝1；

如果θ<0，direction為左下方：signX＝-1，signY＝-1。

步驟(3)所述的基于中心點(diǎn)偏移的目標(biāo)精確定位，是針對圓形物體中間有一個(gè)突出的圓柱軸的情況，對圓柱上方的小圓在圖像中的小橢圓進(jìn)行檢測，得到小橢圓相對大橢圓的中心偏移量，基于中心偏移進(jìn)行精確定位。具體流程如下：

(a)截取大橢圓中心r×r的范圍的圖像，r為大橢圓長半軸的1/2；

(b)使用步驟(1)和(2)的方法在(a)截取的圖像檢測小橢圓，得到小橢圓參數(shù){O₂(O_2x,O_2y),a₂,b₂,θ₂}；

(c)旋轉(zhuǎn)后的中心偏移OO₂＝(Δx,Δy)，radius為圓形物體的實(shí)際半徑長，h為中間圓柱高,計(jì)算繞X、Y軸的旋轉(zhuǎn)角rotX和rotY:

本發(fā)明提出的帶厚度干擾的圓形物體的精確檢測和定位方法，能夠有效的去除厚度因素造成的物體檢測的誤差(可應(yīng)用于任意形狀的帶厚度物體)，同時(shí)解決了圓形物體在單目2D圖像中的旋轉(zhuǎn)鏡像問題，并且針對圓形物體中間帶有突出的圓柱軸的情況，達(dá)到旋轉(zhuǎn)角度的精確計(jì)算，從而實(shí)現(xiàn)精確檢測和精確定位。實(shí)驗(yàn)驗(yàn)證，本發(fā)明對于目標(biāo)物體定位的平均誤差較小，位置坐標(biāo)誤差一般為1個(gè)像素，旋轉(zhuǎn)角度誤差一般為1°,能夠達(dá)到較高的定位精度；同時(shí)能夠滿足工業(yè)場景實(shí)時(shí)檢測的需求，并且對于外界干擾具備一定的抗噪能力。

附圖說明

圖1為本發(fā)明算法框架圖。

圖2為物體繞X軸正方向旋轉(zhuǎn)與負(fù)方向旋轉(zhuǎn)的示意圖(旋轉(zhuǎn)鏡像問題)。

圖3為物體厚度對邊緣輪廓提取的干擾的示意圖。

圖4為帶厚度噪點(diǎn)的邊緣點(diǎn)(左圖)，去噪后的輪廓點(diǎn)(右圖)。

圖5為物體旋轉(zhuǎn)示意圖。其中，OP：物體未旋轉(zhuǎn)時(shí)的法向量，OP₁：物體繞X軸旋轉(zhuǎn)α后的法向量，OP₂：物體再繞Y周旋轉(zhuǎn)β后的法向量。

圖6為消除了左上方厚度誤差后的目標(biāo)檢測結(jié)果效果圖。

圖7為用于物體旋轉(zhuǎn)角輔助計(jì)算中間小圓檢測效果圖。

圖8為利用精確定位結(jié)果，機(jī)械臂抓取物體的效果圖。

具體實(shí)施方式

下面結(jié)合附圖，進(jìn)一步描述本發(fā)明，但不以任何方式限制本發(fā)明的范圍。

一、操作流程

如圖1所示，本發(fā)明的框架可以分為去噪聲點(diǎn)的輪廓提取及旋轉(zhuǎn)鏡像的處理、精確定位三部分，去噪聲點(diǎn)的輪廓提取階段通過對邊緣點(diǎn)的密度計(jì)算去除厚度噪點(diǎn)，旋轉(zhuǎn)鏡像的處理部分基于噪聲點(diǎn)中心和Hough變換檢測檢測出的橢圓長軸的位置關(guān)系判斷，目標(biāo)精確定位部分使用已檢測出的橢圓信息，通過精確定位算法進(jìn)行目標(biāo)精確定位。

二、具體實(shí)現(xiàn)流程

本發(fā)明所提供的一種帶厚度干擾的圓形物體的精確檢測和定位方法，其實(shí)現(xiàn)流程可以總結(jié)為如下部分：

1)基于邊緣點(diǎn)密度提取去除厚度產(chǎn)生的噪點(diǎn)后的邊緣輪廓

如圖3所示，使用Canny算子提取輪廓，在低閾值情況下提取出的輪廓明顯可以看到由于厚度產(chǎn)生的雙邊或多邊，所以由零件厚度產(chǎn)生的噪聲點(diǎn)，其周圍的邊緣點(diǎn)密度較大。利用這一特性，遍歷整個(gè)輪廓曲線上的點(diǎn)，即可判斷是否是噪聲點(diǎn)。具體方法如下：

(a)使用高閾值Canny算子提取邊緣像素點(diǎn),對邊緣像素點(diǎn)進(jìn)行連接，提取出連續(xù)的輪廓曲線

(b)使用低閾值Canny算子再作邊緣點(diǎn)檢測；

(c)遍歷(a)中提取到的每個(gè)輪廓曲線的點(diǎn)p₁,p₂,…,p_n，統(tǒng)計(jì)p_i(i＝1,…n)的周圍k×k范圍的邊緣點(diǎn)的個(gè)數(shù)d_i，作為p_i的邊緣點(diǎn)密度的計(jì)量值(其中，k為預(yù)設(shè)的參數(shù))；

(d)根據(jù)每個(gè)輪廓點(diǎn)p_i(i＝1,…n)的邊緣點(diǎn)密度d_i的大小，對該輪廓上的所有像素點(diǎn)進(jìn)行升序排序；

(e)找到邊緣點(diǎn)密度d>＝DensityThresh的第一個(gè)輪廓點(diǎn)的序號j,取rate＝MIN(j/size,RateThresh),將排序后的尾部rate比例的輪廓點(diǎn)作為噪聲點(diǎn)刪去(其中，DensityThresh為預(yù)設(shè)的密度閾值參數(shù)，size為輪廓的像素點(diǎn)數(shù)，RateThresh為預(yù)設(shè)的噪聲點(diǎn)比例閾值)；

(f)計(jì)算出(d)中刪去的噪聲點(diǎn)的中心noiseCenter，用于步驟(2)解決圓形物體在圖像中的鏡像問題。

2)如圖6所示，基于厚度噪點(diǎn)中心的旋轉(zhuǎn)鏡像處理，采用基于Hough變換的方法，利用橢圓的長短軸-三點(diǎn)確定法(長軸2端點(diǎn)和橢圓上其它任意1點(diǎn))，對步驟(1)提取出的去燥聲點(diǎn)后的輪廓點(diǎn)進(jìn)行橢圓檢測，得到橢圓的精確檢測結(jié)果，根據(jù)橢圓長軸與步驟(1)中noiseCenter的位置關(guān)系判斷物體旋轉(zhuǎn)角方向。具體方法如下：

(a)對步驟(1)提取的去噪聲點(diǎn)后的輪廓，采用基于Hough變換的橢圓長短軸-三點(diǎn)檢測

法，得到橢圓參數(shù){O(O_x,O_y),a,b,θ}，實(shí)現(xiàn)圓形物體的精確檢測,中心位置坐標(biāo)O(O_x,O_y)；

(b)先算出noiseCenter在(a)檢測到的橢圓長軸L的方位direction，計(jì)算旋轉(zhuǎn)角rotX，

rotY的正負(fù)號signX和signY，從而解決了圓形物體在圖像中的鏡像問題：

如果θ>＝0，direction為左上方：signX＝1，signY＝-1；

如果θ>＝0，direction為右下方：signX＝-1，signY＝1；

如果θ<0，direction為右上方：signX＝1，signY＝1；

如果θ<0，direction為左下方：signX＝-1，signY＝-1。

3)基于中心點(diǎn)偏移的目標(biāo)精確定位

如圖7所示，針對圓形零件中間有一個(gè)突出的圓柱軸的特點(diǎn)，對圓柱上方的小圓在圖像中的小橢圓進(jìn)行檢測，得到小橢圓相對大橢圓的中心偏移量，基于中心偏移進(jìn)行精確定位。具體方法如下：

(a)截取大橢圓中心r×r的范圍的圖像，r為大橢圓長半軸的1/2；

(b)使用步驟(1)和(2)的方法在(a)截取的圖像中檢測小橢圓，得到小橢圓參數(shù){O₂(O_2x,O_2y),a₂,b₂,θ₂}

(c)旋轉(zhuǎn)后的中心偏移OO₂＝(Δx,Δy)，radius為圓形物體的實(shí)際半徑長，h為中間圓柱高,計(jì)算繞X、Y軸的旋轉(zhuǎn)角rotX和rotY:

從而實(shí)現(xiàn)了對圓形物體的精確定位。

三、實(shí)驗(yàn)結(jié)果

如圖6所示，本發(fā)明所提供的帶厚度干擾的圓形物體的精確定位方法能夠得到目標(biāo)的精確位置以及旋轉(zhuǎn)角。同時(shí)經(jīng)實(shí)驗(yàn)驗(yàn)證，本發(fā)明對于目標(biāo)物體定位的平均誤差較小，位置坐標(biāo)誤差一般為1個(gè)像素，旋轉(zhuǎn)角度誤差一般為1°,能夠達(dá)到較高的定位精度；同時(shí)能夠滿足工業(yè)場景實(shí)時(shí)檢測的需求，并且對于外界干擾具備一定的抗噪能力。