基于機(jī)器視覺的工件自動(dòng)分揀系統(tǒng)的研究

管經(jīng)緯，周虎，楊慧斌

（1.東華大學(xué)，上海 201620；2.上海工程技術(shù)大學(xué)，上海 201620）

0 引言

隨著圖像處理技術(shù)的發(fā)展，將圖像處理技術(shù)與自動(dòng)化生產(chǎn)線中的分揀系統(tǒng)結(jié)合，用CCD 代替各種繁雜的傳感器組合，應(yīng)用機(jī)器視覺技術(shù)，具有檢測速度快、可靠性高、實(shí)時(shí)性好等特點(diǎn)，可以實(shí)現(xiàn)無接觸、無損檢測。本文提出了一種基于機(jī)器視覺的工件分揀系統(tǒng)，該系統(tǒng)把機(jī)器視覺技術(shù)應(yīng)用到工件分揀問題中，研究了相關(guān)圖像處理算法，采用輪廓外接形心計(jì)算圖像中心位置和角度，解決了工件識(shí)別問題以及定位工件中心，并采用模式識(shí)別的的方法快速高效地分揀出不同類別的產(chǎn)品。

1 基于機(jī)器示教的工件自動(dòng)識(shí)別算法

圖1 所示為福特汽車門鉸鏈生產(chǎn)線。

圖1 福特汽車門鉸鏈生產(chǎn)線

如圖2，工件識(shí)別算法分為兩部分：第一部分是機(jī)器示教部分，通過標(biāo)準(zhǔn)模板CCD 成像，建立待分揀物的模板并存儲(chǔ)在計(jì)算機(jī)硬盤中；第二部分是待測物識(shí)別部分，通過CCD 成像后與標(biāo)準(zhǔn)模板進(jìn)行比較，此成像圖暫時(shí)存放在計(jì)算機(jī)內(nèi)存中。用相似度來判斷是否為同類零件：如果是，則分揀至指定通道；如果否，則繼續(xù)循環(huán)判斷。

檢測流程如圖3 所示。

圖2

2 關(guān)鍵算法

2.1 圖像預(yù)處理

圖像的預(yù)處理主要是為了提高圖像數(shù)據(jù)中的信噪比，進(jìn)行背景噪聲的抑制，以減輕后續(xù)圖像處理壓力。圖像的噪聲對(duì)后續(xù)成像零件的識(shí)別帶來誤差。本課題采用加權(quán)平均濾波方法進(jìn)行圖像去噪。

加權(quán)平均濾波算法是能保留圖像邊緣細(xì)節(jié)的局部平滑算法?？紤]的重點(diǎn)是領(lǐng)域的大小、形狀和方向的選擇，各點(diǎn)權(quán)值系數(shù)的選取等。這類對(duì)各點(diǎn)選取不同權(quán)值的方法稱為加權(quán)平均法。

處于領(lǐng)域中心待處理的像素點(diǎn)P（i，j）稱為中心像素點(diǎn)。選取權(quán)值的一般原則如下：

圖3 檢測流程圖

1）中心像素點(diǎn)P（i，j）賦予較大的權(quán)值，其他像素點(diǎn)的權(quán)值均較小。

2）按照與中心像素點(diǎn)P（i，j）的距離確定權(quán)值。距離較近的像素點(diǎn)賦予較大的權(quán)值，距離較遠(yuǎn)則賦予權(quán)值較小。

3）按照與中心像素點(diǎn)P（i，j）的灰度值接近程度確定權(quán)值?；叶戎翟浇咏南袼攸c(diǎn)，賦予較大的權(quán)值，反之，賦予的權(quán)值較小。

下面的改進(jìn)算法以灰度梯度的倒數(shù)作為權(quán)值，簡稱這種加權(quán)平均梯度倒數(shù)加權(quán)平均算法。以3×3 領(lǐng)域?yàn)闉V波窗口。在領(lǐng)域內(nèi)的灰度矩陣為

相應(yīng)的灰度梯度的倒數(shù)作為權(quán)值的矩陣為

注意：式（3）和式（4）在計(jì)算w（i+k，j+l）和d（i+k，j+l）中的條件（k，l）≠（0，0），即k 與l 不能同時(shí)等于0。最后，加權(quán)平均輸出是

2.2 目標(biāo)物的位姿檢測

由于待測物體的成像位置和偏轉(zhuǎn)角度與模板物有偏差，必須檢測出這個(gè)位姿偏差，然后應(yīng)用仿射變換使兩個(gè)圖像在同一坐標(biāo)系下進(jìn)行比較。針對(duì)機(jī)械零件大批量測量時(shí)圖像精確配準(zhǔn)的難題，本文提出了一種基于機(jī)械零件圖像邊緣輪廓形心與最小外接矩形的圖像配準(zhǔn)方法。該方法通過確定圖像邊緣輪廓的形心位置，以及最小外接矩形特殊邊與坐標(biāo)軸的夾角，得到圖像的仿射變換參數(shù)，從而完成機(jī)械零件圖像的配準(zhǔn)工作。實(shí)驗(yàn)表明，該方法用于機(jī)械零件圖像配準(zhǔn)可達(dá)到像素級(jí)精度要求，并具有速度快的特點(diǎn)。

確定各圖像中每個(gè)邊緣像素點(diǎn)的圖像坐標(biāo)位置，連續(xù)截面形心坐標(biāo)的計(jì)算公式為：

其中，XC、YC為形心坐標(biāo)。

確定零件圖像邊緣的極值點(diǎn)，并以此為定點(diǎn)，建立包容零件輪廓的最小外接矩形。選擇其最短邊，計(jì)算其與x 軸方向的夾角（逆時(shí)針為正方向），根據(jù)式Δθ=θ2-θ1得出截面圖像之間的夾角，并將其作為旋轉(zhuǎn)基本角，如圖4 所示。圖4 中，Δθ=θ2-θ1=90°-60°=30°。

針對(duì)不同圖像的形心位置坐標(biāo)，計(jì)算出零件截面圖像之間的水平與垂直方向的偏移量：

圖4 工件與圖像旋轉(zhuǎn)圖

根據(jù)式（7），平移圖像，使其每幅零件圖像形心與圖片中心重合。

2.3 圖像仿射變換和相似度判斷

由于工件放置的偏差，待測零件的形心坐標(biāo)與數(shù)據(jù)庫中標(biāo)準(zhǔn)零件的形心坐標(biāo)不可能一致，故須通過圖像的位姿變換、旋轉(zhuǎn)及平移使兩圖像重合。本文采用仿射變換進(jìn)行圖像變換。仿射變換可分解為線性變換和平移變換，二維仿射變換公式如下：

式中：tx和ty為平移量；θ 為旋轉(zhuǎn)角度；s 是縮放尺度，此處s=1。

經(jīng)過仿射變換后的零件與標(biāo)準(zhǔn)模板零件可進(jìn)行逐像像素相減并求和后比較，用相似面積除以模板零件的最大面積作為相似度。如相似度大于某閾值，則認(rèn)為該待測件與模板零件是同一類零件，否則認(rèn)為不是同一類零件。

其中，sim 為零件相似度，area 為零件的相似面積，areamax為模板零件的最大面積。

3 實(shí)驗(yàn)驗(yàn)證

3.1 建立模板零件圖像

工作現(xiàn)場需要識(shí)別兩個(gè)零件，一是鈑金件A，另一個(gè)是六角螺母B?，F(xiàn)分別對(duì)其成像并建立模板，如圖5 所示。本實(shí)驗(yàn)成像大小為1200×1024。

3.2 流水線待測物成像

工作流水線上，由于加工完后零件擺放位姿的隨意性，實(shí)際成像圖如圖6 所示。

圖5 零件A 與零件B 模板

圖6 零件A 與零件B

3.3 算法驗(yàn)證

首先對(duì)待測物進(jìn)行加權(quán)平均濾波算法，然后利用上述算法對(duì)零件進(jìn)行形心和旋轉(zhuǎn)角度檢測，實(shí)際結(jié)果如表1。

表1 零件與模板的形心和角度

表2 零件與模板的比較值

基于以上檢測數(shù)據(jù)，可以計(jì)算兩個(gè)零件的位置偏差（deltX，DeltY）和旋轉(zhuǎn)角度deltTheta，分別利用仿射變換和標(biāo)準(zhǔn)模板進(jìn)行比較，得到誤差數(shù)據(jù)如表2 所示。

設(shè)置相似度閾值為0.8，顯然系統(tǒng)成功地判別出了兩類不同的零件，自動(dòng)分揀系統(tǒng)可以根據(jù)相似度判別不同的零件，為后續(xù)零件分流作依據(jù)。

4 工件分揀運(yùn)動(dòng)的實(shí)現(xiàn)

由圖像處理算法生成的工件形心位置，為機(jī)械手抓取提供了坐標(biāo)點(diǎn)。上位機(jī)將處理得到的坐標(biāo)點(diǎn)作為運(yùn)動(dòng)控制參數(shù)發(fā)送給運(yùn)動(dòng)控制卡，運(yùn)動(dòng)控制卡內(nèi)事先編寫好的底層控制程序中含有接收位置參數(shù)的變量，當(dāng)變量接收到參數(shù)后會(huì)發(fā)出驅(qū)動(dòng)脈沖來控制伺服電機(jī)，使Z 軸精確定位于工件上方，隨后控制Z 軸下降并由氣動(dòng)夾爪抓取工件，從而實(shí)現(xiàn)了目標(biāo)抓取功能。

5 結(jié)論

本文設(shè)計(jì)了一種基于機(jī)器視覺技術(shù)的工件自動(dòng)分揀系統(tǒng)，以常用緊固件六角螺母為檢測對(duì)象，用二值化進(jìn)行圖像分割，凱西算子提取圖像邊緣。采用輪廓外接形心計(jì)算圖像中心位置和角度，使待測螺母與模板形心重合。最后通過相似度來判斷是否合格。此系統(tǒng)是一個(gè)開放性平臺(tái)，對(duì)后續(xù)開發(fā)多種用途的系統(tǒng)是一種有益的嘗試?？蛇M(jìn)一步應(yīng)用在復(fù)雜零件尺寸、形狀誤差的檢測中。

［1］劉振宇，趙彬，鄒風(fēng)山.機(jī)器視覺技術(shù)在工業(yè)分揀中的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用與軟件，2012（12）：88.

［2］杜榮.基于機(jī)器視覺的工業(yè)機(jī)器人分揀系統(tǒng)的研究［D］.南京：南京林業(yè)大學(xué)，2009.

［3］劉凌云.基于3D 標(biāo)靶的攝像機(jī)標(biāo)定方法的改進(jìn)［J］.湖北汽車工業(yè)學(xué)院學(xué)報(bào)，2008，22（1）：33-36.

［4］孫燮華.數(shù)字圖形處理Visual C#.NET［M］.北京：機(jī)械工業(yè)出版社，2010.

［5］孫燮華.數(shù)字圖像處理-原理與算法［M］.北京：機(jī)械工業(yè)出版社，2010.

［6］陳棟梁，李蓓智，周虎.基于零件輪廓形心與最小外接矩形的圖像配準(zhǔn)方法［J］.制造業(yè)自動(dòng)化，2012（8）：48-51.

［7］韓九強(qiáng).機(jī)器視覺技術(shù)及應(yīng)用［M］.北京：高等教育出版社，2009.

［8］陳賢巧.基于特征的圖像配準(zhǔn)算法研究［D］.合肥：中國科學(xué)技術(shù)大學(xué)，2009.