基于單目視覺的軸類零件3D重構(gòu)技術(shù)

沈?qū)殗?，蔣超峰，孫 明，梁佩佩

(1. 江蘇聯(lián)合職業(yè)技術(shù)學(xué)院鎮(zhèn)江分院，江蘇 鎮(zhèn)江 212016)

(2.菲達(dá)進(jìn)出口有限公司，浙江 諸暨 311800)

(3. 煙臺(tái)杰瑞石油服務(wù)集團(tuán)股份有限公司，山東 煙臺(tái) 264003)

基于單目視覺的軸類零件3D重構(gòu)技術(shù)

沈?qū)殗?，蔣超峰2，孫 明3，梁佩佩1

(1. 江蘇聯(lián)合職業(yè)技術(shù)學(xué)院鎮(zhèn)江分院，江蘇 鎮(zhèn)江 212016)

(2.菲達(dá)進(jìn)出口有限公司，浙江 諸暨 311800)

(3. 煙臺(tái)杰瑞石油服務(wù)集團(tuán)股份有限公司，山東 煙臺(tái) 264003)

在結(jié)構(gòu)化環(huán)境下，提取軸類零件三維信息是實(shí)現(xiàn)機(jī)械手自動(dòng)上下料的重要環(huán)節(jié)。首先采集放置于特定工作臺(tái)上的軸類零件圖像，其次利用超紅特征和Otsu法獲取超紅特征灰度圖并進(jìn)行動(dòng)態(tài)閾值分割，提取標(biāo)準(zhǔn)圓的像素半徑，進(jìn)而獲取每毫米所代表的像素值;利用擬合直線方程可獲取攝像機(jī)與工作臺(tái)的距離,同時(shí)利用亮度特征，采用相同的方法獲取軸類零件的像素尺寸，然后利用每毫米所代表的像素值計(jì)算軸類零件的實(shí)際尺寸，完成軸類零件的三維重構(gòu)。該技術(shù)降低了軟硬件的復(fù)雜性，可實(shí)現(xiàn)機(jī)械手智能抓取軸類零件，為數(shù)控機(jī)床無人化操作的可行性發(fā)展提供了理論基礎(chǔ)。

軸類零件；顏色特征；三維重構(gòu)；單目視覺

當(dāng)前，數(shù)控機(jī)床無人化操作已經(jīng)成為一個(gè)新興的研究領(lǐng)域。在上下料操作過程中，為實(shí)現(xiàn)機(jī)械手智能抓取軸類零件，必須通過圖像處理技術(shù)提取其三維信息。理論上，重建三維場景需要依靠雙目視覺。在實(shí)際應(yīng)用中，雙目視覺受到一定的限制，主要原因是其本身存在的問題：(1)雙目共有的視野區(qū)域相對狹小；(2)特征點(diǎn)的匹配算法復(fù)雜。基于雙目視覺存在的不足，國內(nèi)外學(xué)者提出了采用單目視覺與距離傳感器(如激光雷達(dá)、超聲波等)融合技術(shù)來獲取零件的三維信息[1-3]。激光雷達(dá)獲得的數(shù)據(jù)精度較高，但也有質(zhì)量大、價(jià)格昂貴等缺點(diǎn)，不適合在工業(yè)機(jī)器人上應(yīng)用；超聲波測距的誤差來源之一是傳播速度誤差，傳播速度受空氣的密度影響，而空氣的密度又與溫度有著密切的關(guān)系，因此為提高測距精度，不得不增加溫度傳感器。由單目視覺、超聲波、溫度傳感器組合成的三維獲取方式增加了硬件與軟件的復(fù)雜性。

為了利于實(shí)時(shí)作業(yè)和減少硬件與軟件的復(fù)雜性，在結(jié)構(gòu)化環(huán)境下，本文以單目視覺和特定工作臺(tái)的方式獲取軸類零件的三維信息，為數(shù)控機(jī)床無人化操作提供必要的信息。

1 特定工作臺(tái)的制作

為了增強(qiáng)前景與背景的對比度，黑色的工作臺(tái)更適于軸類零件(銀白色)后續(xù)的圖像處理。在工作臺(tái)上，制作一個(gè)已知半徑的紅色標(biāo)準(zhǔn)圓，如圖1所示。

2 攝像機(jī)標(biāo)定

攝像機(jī)模型是光學(xué)成像幾何關(guān)系的簡化，而針孔模型是最基本的模型。本文采用針孔模型。設(shè)攝像機(jī)到工作臺(tái)的距離為D(mm)，紅色標(biāo)準(zhǔn)圓的實(shí)際半徑為R′(mm)，像素半徑為R(pixel)，記pixel2mm=R/R′為紅色標(biāo)準(zhǔn)圓的像素半徑與實(shí)際半徑的比值，其與攝像機(jī)到工作臺(tái)的距離關(guān)系表見表1，散點(diǎn)分布如圖2所示。

利用最小二乘法，將12組pixel2mm及與其對應(yīng)的攝像機(jī)到工作臺(tái)的距離D進(jìn)行二元擬合，獲得兩者的關(guān)系為：

D=-2.723 7×pixel2mm+69.48

攝像機(jī)到工作臺(tái)的距離D與pixel2mm的相關(guān)

系數(shù)為0.985，擬合直線如圖2所示。

3 三者位置關(guān)系的確定

試驗(yàn)中，將世界坐標(biāo)系OXYZ的原點(diǎn)O定義在攝像機(jī)光心處，X軸方向水平向右，Y軸方向垂直于紙面向外，Z軸豎直向下，如圖3所示。

3.1攝像機(jī)與工作臺(tái)距離的確定

由于標(biāo)準(zhǔn)圓呈紅色，采用超紅特征對原始圖像(圖4)進(jìn)行灰度化處理,如圖5(a)所示;然后利用Otsu法獲取二值圖像,如圖5(b)所示;最后對其進(jìn)行邊緣提取,如圖5(c)所示。

提取圓邊緣上的點(diǎn)，采用最小二乘法進(jìn)行擬合，從而確定其圓心和半徑[5]，如圖6所示。與已知的實(shí)際半徑進(jìn)行計(jì)算，得出每毫米所代表的像素值，代入擬合方程后，可確定攝像機(jī)與工作臺(tái)的距離。

3.2軸類零件XOY平面信息的提取

采用亮度特征對原始圖像(圖4)進(jìn)行灰度化處理(如圖7(a)所示)，然后利用Otsu法獲取二值圖像(如圖7(b)所示)，最后對其進(jìn)行面積法噪聲去除(如圖7(c)所示)。

提取矩形特征(x,y,x_width,y_width)，其中x,y分別表示矩形左上角點(diǎn)的橫坐標(biāo)、縱坐標(biāo)；x_width,y_width分別表示矩形在橫坐標(biāo)方向、縱坐標(biāo)方向的長度及寬度。

3.3零件的3D重構(gòu)

軸類零件三維特征由端面半徑和兩端面圓心坐標(biāo)組成：軸類零件的端面半徑為R0=y_width/2，兩端面的圓心坐標(biāo)分別為(x，y-R0，D-R0)和(x+x_width，y-R0，D-R0)[4-5]。其零件三維重構(gòu)流程如圖8所示。攝像機(jī)、標(biāo)準(zhǔn)圓及零件的空間關(guān)系如圖9所示。

4 結(jié)束語

本文提出了在特定工作臺(tái)的結(jié)構(gòu)化環(huán)境下，利用單目視覺技術(shù)實(shí)現(xiàn)軸類零件3D重構(gòu)。對多組攝像機(jī)與工作臺(tái)的距離、每毫米所代表的像素值的數(shù)據(jù)進(jìn)行分析擬合，確定攝像機(jī)與工作臺(tái)的距離D與pixel2mm的線性關(guān)系。對放置于特定工作臺(tái)上的軸類零件圖像分別利用超紅特征和亮度特征進(jìn)行灰度化處理，并利用Otsu法進(jìn)行動(dòng)態(tài)閾值分割，分別提取每毫米所代表的像素值和軸類零件的像素尺寸，通過像素尺寸與實(shí)際尺寸的轉(zhuǎn)換，從而完成軸類零件的三維重構(gòu)。該技術(shù)降低了軟硬件的復(fù)雜性，能夠完成機(jī)械手智能抓取零件，為數(shù)控機(jī)床無人化操作研究提供了必要的理論基礎(chǔ)。

[1] 莊嚴(yán)，王偉，王珂，等.移動(dòng)機(jī)器人基于激光測距和單目視覺的室內(nèi)同時(shí)定位和地圖構(gòu)建[J].自動(dòng)化學(xué)報(bào)，2005，31(6)：925-933.

[2] 高學(xué)海，徐科軍，張瀚，等.基于單目視覺和激光測距儀的位姿測量算法[J].儀器儀表學(xué)報(bào)，2007， 28(8)：1479-1485.

[3] 熊春山，黃心漢，王敏，等. 融合圖像處理與超聲測距的工件精確抓取[J].機(jī)器人，2000，22(3)：183-187.

[4] 沈?qū)殗ㄜ?，張?jiān)?軸類零件外圓的視覺檢測軟件開發(fā)[J].機(jī)床與液壓，2012，40(1)：89-91，25.

[5] 沈?qū)殗?，顧寄南，陳雪芳，? 基于單目視覺的零件抓取信息提取技術(shù)[J].制造業(yè)自動(dòng)化，2012，34(9)：24-26.

The 3D reconstruction technology for shaft parts based on monocular vision

SHEN Baoguo1, JIANG Chaofeng2, SUN Ming3, LIANG Peipei1

(1.Zhenjiang College of Jiangsu Union Technical Institute, Jiangsu Zhenjiang, 212016, China)

(2.Feida Import & Export Co., Ltd., Zhejiang Zhuji, 311800, China)

(3.Yantai Jereh Oilfield Services Group Co., Ltd., Shandong Yantai, 212013, China)

In a structured environment, it is an important link for feeding and blanking to extract the 3D information of shaft parts intelligently. It collects the images for shaft parts placed in the specific work station, and gains the gray images using excess red feature, processes the binary images in Otsu's threshold method. And then it extracts the pixel radius of the standard circle,obtains the pixel per mm, defines the distance between camera and the specific work station with fitted linear equation. At the same time, it finds the pixel size of shaft parts, calculates the actual size in the pixel per mm, and completes the 3D reconstruction of shaft parts. This technique reduces the complexity of hardware and software, grasps shaft parts intelligently and provides the necessary information for the unmanned operation of CNC machine tools.

shaft parts; color feature; 3D reconstruction; monocular vision

10.3969/j.issn.2095-509X.2015.02.005

2014-12-28

江蘇省高?！扒嗨{(lán)工程”資助項(xiàng)目(蘇教師﹝2014﹞23號(hào))

沈?qū)殗?1981—)，男，山東棗莊人，江蘇聯(lián)合職業(yè)技術(shù)學(xué)院鎮(zhèn)江分院講師，碩士，主要從事視覺檢測與定位研究。

TP242

A

2095-509X(2015)02-0017-04