工業(yè)機器人視覺系統(tǒng)的目標定位

張志遠，伏冬孝，段 堅

（華北電力大學 機械工程系，河北 保定 071000）

0 引言

機器視覺就是利用機器代替人眼對周圍環(huán)境來做各種測量和判斷。由于機器視覺技術具有檢測精度高、可擴展性好、檢測速度快等優(yōu)點，因此在現代自動化生產過程中，機器視覺系統(tǒng)被廣泛地用于各種質量控制、工況監(jiān)視和成品檢驗等領域。視覺系統(tǒng)研究的主要目標是：從攝像機獲取圖像，將圖像轉化為數字圖像，對數字圖像進行必要的預處理，強化所需要的圖像特征，經過進一步的圖像處理，從而獲得目標物體的位置、大小、顏色等所需要的信息［1］。

1 圖像處理

1．1 圖像的預處理

一般地，視覺系統(tǒng)獲取的圖像（即原始圖像）由于受到種種條件限制和隨機干擾，往往包含著各種各樣的噪聲和畸變，因而不能在視覺系統(tǒng)中直接使用，必須在進行圖像分析和識別前進行灰度校正、噪聲過濾等圖像預處理，從而去掉這些使圖像質量劣化的因素，并對信息微弱的圖像進行增強，使圖像變得更容易觀看或使圖像中的有用信息更容易提取。為方便進行分析還需要強化圖像中所需要的特征，衰弱不需要的特征。圖像預處理方法主要包括圖像增強、對比度增強和平滑處理［2，3］。

1．2 圖像分割

同一幅圖像中可能存在多個物體，為了識別各個物體的質心，需要對圖像進行分割。圖像分割通過像素間的相似性和跳躍性，將圖像分成多個區(qū)域進行處理。根據分割使用的主要特征，圖像分割技術可分為以下3種［4，5］：

（1）基于閾值的分割算法。這是一種最常見的區(qū)域分割技術，閾值是用于區(qū)分不同目標的灰度值。在圖像只有目標和背景的情況下，只需選取單閾值分割，將圖像中每個像素的灰度值和閾值比較，灰度值大于閾值的像素和灰度值小于閾值的像素分別歸類。如果圖像中有多個目標，就需要選取多個閾值將各個目標分開，這種方法稱為多閾值分割。閾值分割的結果依賴于閾值的選取，確定閾值是閾值分割的關鍵。

（2）基于邊緣的分割算法。這種方法是利用不同區(qū)域間像素灰度不連續(xù)的特點檢測出區(qū)域間的邊緣，從而實現圖像分割。邊界的像素灰度值變化往往比較劇烈。首先檢測圖像中的邊緣點，再按一定策略連接成輪廓，從而構成分割區(qū)域。

（3）基于區(qū)域特性的分割算法。這種方法通過分析圖像的特性如灰度、紋理、形狀，選取其中最明顯的特性將圖像進行分區(qū)，再對不同的小區(qū)域應用此特性進一步分割。該方法對噪聲具有一定的抗干擾能力，基于區(qū)域的分割算法的缺點是區(qū)域特性的選取比較困難，選取不當對分割結果影響很大，并且容易產生過分割現象。

基于邊緣的分割方法對邊界定義的準確度要求較高，不容易產生封閉的區(qū)域輪廓；基于區(qū)域的分割算法對區(qū)域特性的選擇有很高要求，而且容易產生圖像過分割現象，所以本文采用算法簡便、運行速度較快的閾值分割算法。

閾值分割通過閾值的設定將目標和背景分割開，常用的閾值分割為二值化分割。二值化分割的基本出發(fā)點是將圖像中的目標和背景看成是以閾值為分割點的兩部分集合。圖像經過采樣量化后，可以用矩陣F（j，k）來表達數字圖像。設Z是圖像F（j，k）的任意灰度級集合，Zf和Zb為任意選定的目標灰度級和背景灰度級，則閾值法圖像分割的基本原理如式（1）所示：

其中：g（j，k）為在選取閾值區(qū)間分割后的圖像。針對不同處理對象，可分別選用以下定義式，各定義式分割原理分別如圖1所示。

其中：T、T1、T2均為圖像處理時選取的閾值。

圖1 二值化分割原理

通過選擇合適的閾值將圖像中的物體與背景區(qū)分開來，進而得到物體的輪廓。

2 質心求取

目標的定位需要求取物體的質心，一般采用矩描述子的方式計算質量均勻分布物體的質心。矩描述子是通過對輪廓上所有點進行積分運算而得到的特征，可用于二值或灰度級的區(qū)域描述，對于數字圖像f（x，y），通常我們定義輪廓的（p×q）階矩［6］為：

其中：p，q＝0，1，2，…。

我們選擇通過計算輪廓的最小外接矩形來獲取物體的矢量信息。先計算出輪廓的最小外接矩形的邊與圖像水平軸的夾角，再利用幾何關系求得物體的質心，輪廓最小外接矩形的計算原理如圖2所示。

圖2中，L和W 表示物體輪廓的外接矩形的長和寬，θ定義為圖像水平坐標軸逆時針旋轉與第一條矩形邊相交所成的夾角。在求得輪廓的最小外接矩形的4個頂點坐標P0、P1、P2、P3的基礎上，通過幾何關系，求出的矩形的質心即可近似為物體的質心，進而得到物體的矢量信息。

3 試驗與分析

本文以Reinvo公司的6自由度教學用工業(yè)機器人為試驗平臺，運用VC＋＋軟件編程進行試驗。獲得試驗結果如圖3所示。

圖2 輪廓最小外接矩形的計算原理

圖3 圖像處理前、后的對比圖

對比圖3（a）與圖3（b）可以看出經過閾值處理后物體圖像與背景完全區(qū)分開了，試驗求得的各物體的質心坐標是比較精確的，而且十字的橫豎分別與圖像輪廓的最小外接矩陣長寬平行，可以方便工業(yè)機器人選取最優(yōu)的抓取方向。

4 結語

通過試驗表明，不同的閾值選取對圖像分割會有影響；對于閥值的選擇，需要根據圖像的具體情況確定。經過驗證，通過輪廓的最小外接矩形法可以快速準確地確定多個不同物體的質心位置，可以滿足機器人抓取的精度要求，具有一定的使用價值。

［1］ 趙鵬．機器視覺理論及應用［M］．北京：電子工業(yè)出版社，2011．

［2］ 詹青龍，盧愛芹．數字圖像處理技術［M］．北京：清華大學出版社，2010．

［3］ 潘振贛，龔聲蓉．淺談數字圖像處理技術的基本原理［J］．電腦知識與技術，2010，6（6）：1452－1454．

［4］ Rafael C Gonzalez，Richard E Woods．數字圖像處理［M］．阮秋琦，阮宇智，譯．北京：電子工業(yè)出版社，2004．

［5］ 鄭洪濤．淺談數字圖像處理中的圖像分割技術［J］．電大理工，2011，12（4）：31－32．

［6］ 章毓晉．圖像處理和分析基礎［M］．北京：高等教育出版社，2002．