復(fù)雜場景下的螺母快速識別算法研究*

李慶利，張 帆，李自芹，韓忠義，王天杰

（唐山學(xué)院機電工程系，河北唐山 063000）

復(fù)雜場景下的螺母快速識別算法研究*

李慶利，張 帆，李自芹，韓忠義，王天杰

（唐山學(xué)院機電工程系，河北唐山 063000）

文章提出了一種綜合應(yīng)用哈夫變換實現(xiàn)螺母快速識別的算法。該算法在考慮螺母內(nèi)外邊界幾何關(guān)系的基礎(chǔ)上，應(yīng)用哈夫變換實現(xiàn)目標(biāo)邊緣特征的提取，以內(nèi)邊界為圓、外邊界鄰邊夾角120°為判據(jù)實現(xiàn)對螺母的快速識別。針對哈夫變換運算量大的問題，綜合應(yīng)用目標(biāo)邊緣信息，縮小搜索范圍，有效減小了哈夫變換的調(diào)用次數(shù)和運算數(shù)據(jù)量，進而提高了識別效率。該方法具有哈夫變換這一傳統(tǒng)經(jīng)典處理方法的魯棒性，對于存在不同對象間相互粘連的較為復(fù)雜場景下的圖像，也能很好的實現(xiàn)螺母的快速識別。

機器視覺；螺母；識別算法；邊界特征；哈夫變換

0 引言

在現(xiàn)代機械制造業(yè)中，零件的識別和測量已成為保證產(chǎn)品質(zhì)量的一項關(guān)鏈性技術(shù)工作。隨著自動化程度的提高，傳統(tǒng)的人工檢測手段已無法滿足要求，不僅要耗費大量的人工，效率低下，同時還會增加人為的不可靠因素。機器視覺技術(shù)可以很好地解決這些問題，并在精度和生產(chǎn)效率方面顯示出了明顯的優(yōu)勢［1-3］。然而，在對復(fù)雜工作場景的適應(yīng)性方面，基于機器視覺的零件識別和測量，仍遜色于人工檢測。究其原因，是場景的復(fù)雜性，增加了目標(biāo)識別的難度和時間開銷。為此，探索快速、可靠的識別算法，對實現(xiàn)復(fù)雜工作場景下的識別和檢測均具有重要意義。

目前，零件識別已成為機器視覺技術(shù)的一大研究熱點，而零件視覺特征的選擇與提取是零件識別分類的關(guān)鏈技術(shù)。用于零件識別的視覺信息主要包括：顏色、形狀、紋理、尺寸等信息［4-5］，其中零件的形狀特征是最常用的識別依據(jù)，且具有很強的魯棒性。而識別形狀往往由于計算量大，實時性不是很好。因此，研究基于零件形狀的快速識別技術(shù)具有很強的現(xiàn)實意義。零件邊界形狀特征可用鏈碼、傅里葉描述子和統(tǒng)計矩等描述，文獻［6］報道了基于傅立葉描述子的零件快速識別算法。作為局部特征，角點也可較好地表征邊界形狀，文獻［7-8］分別報道了基于角點檢測的零件快速識別算法，通過平滑濾波和去除偽角點等改進措施，提高了提取角點的準確性和零件識別的實時性。

對于機械零件而言，直線和圓弧是最基本的特征，復(fù)雜的零件輪廓一般是由直線和圓弧光滑連接而成。此外，上述特征的非局部性，使得特征提取對圖像中的噪聲干擾和局部改變并不敏感；對存在多個被測目標(biāo)間相互粘連、重疊的情形，也仍有足夠多的像素點可以表征該特征?？梢姡瑧?yīng)用哈夫變換，以直線和圓為特征，更適合復(fù)雜場景下的零件識別，具有良好的抗干擾性。

本文探討了綜合應(yīng)用哈夫變換的快速螺母識別方法，該方法以六角螺母的內(nèi)孔和外部六邊形為特征，首先通過目標(biāo)邊緣像素點提取內(nèi)邊界“圓”特征；然后再以內(nèi)孔定位螺母外部六邊形輪廓，有效縮減了哈夫變換的參數(shù)空間，減少了計算量；最后以內(nèi)邊界為圓、外邊界鄰邊夾角120°為判據(jù)，實現(xiàn)了復(fù)雜場景下螺母的快速、有效識別。

1 螺母識別

一般而言，視覺識別系統(tǒng)的軟件部分通常由圖像預(yù)處理與目標(biāo)識別這兩大部分組成。圖像預(yù)處理用以改善圖像視覺效果，便于后續(xù)的圖像分析和識別［9-12］。機器視覺系統(tǒng)的處理速度與被處理圖像的復(fù)雜程度有關(guān)，為實現(xiàn)復(fù)雜場景下對普通螺母的快速、有效識別，本文綜合應(yīng)用了多種技術(shù)手段。首先，為增大目標(biāo)與背景的對比度，采用了均勻背光照明。其次，為消除成像模糊及不均勻背景的影響，綜合應(yīng)用了多種圖像預(yù)處理算法。核心算法包括：快速中值濾波和基于灰色關(guān)聯(lián)分析的圖像分割。從而改善了圖像的視覺效果，完整地提取出了目標(biāo)區(qū)域，得到了連續(xù)封閉的目標(biāo)邊緣，為后續(xù)的螺母識別打下了良好的基礎(chǔ)。

圖1a所示為采集到的零件原始圖像，圖像大小為512（像素）×512（像素）；圖1b為圖像預(yù)處理后，經(jīng)邊緣搜索獲得的零件邊緣圖像。可見，普通六角螺母的邊緣由一個內(nèi)圓和一個外六邊形組成，且二者之間保持著一定的幾何關(guān)系，如圖1c所示，其中，內(nèi)圓與外六邊形同心，且外邊界鄰邊夾角為120°。

圖1 預(yù)處理效果圖

1.1 特征提取

由于螺母的視覺特征包括圓和六邊形，本文采用哈夫變換對邊界圖像中的圓和直線進行檢測［13-14］。

對于直線，假設(shè)直線上任意一點的坐標(biāo)為（xi，yi），則有直線的極坐標(biāo)方程：

其中θ為點（xi，yi）的極角，p為點（xi，yi）的極徑。

應(yīng)用哈夫變換檢測直線時，需將θ和ρ分成許多小段，并設(shè)一累加數(shù)組對應(yīng)每小段θ和ρ構(gòu)成的小單元。將圖像中所有邊緣點坐標(biāo)（xi，yi）代入式（1），并使θ以Δθ為步長進行循環(huán)，求出相應(yīng)的ρ值，然后對相應(yīng)累加數(shù)組單元進行計數(shù)。最后統(tǒng)計落入點數(shù)較多的累加數(shù)組單元，并以此單元的θ和ρ值作為對應(yīng)直線的參數(shù)。

哈夫變換檢測圓的原理與直線類似，只不過要建立一個三維的累加單元；檢測時將圖像中所有邊緣點坐標(biāo)（xi，yi）代入式（2），依次變化x0、y0，計算出R，然后在相應(yīng)累加單元內(nèi)進行累加。最后進行統(tǒng)計，求解出相應(yīng)參數(shù)。

其中參數(shù)（x0，y0）為圓心坐標(biāo)，R為半徑。

哈夫變換的魯棒性和抗干擾能力十分優(yōu)異，但計算量及占用的內(nèi)存空間是非常大的，從而阻礙了其在快速、精確檢測方面的應(yīng)用［15］。因此，在對圖像應(yīng)用哈夫變換檢測圓和六邊形，進而進行螺母識別之前，必須縮減哈夫變換的搜索空間及運算量。本文采取的措施主要有：以六角螺母的內(nèi)孔和外部六邊形輪廓為幾何特征，在算法流程上，按照先內(nèi)后外的次序進行處理。首先，通過對邊緣像素點的篩選，削減了參與哈夫變換的邊緣像素點數(shù)，并縮減了圓心和半徑參數(shù)的搜索范圍；其次，根據(jù)內(nèi)孔對螺母進行定位，依據(jù)螺母內(nèi)外邊界的幾何關(guān)系，確定正方形搜索區(qū)域；進而縮減對組成六邊形的直線進行哈夫變換時參數(shù)的搜索范圍。經(jīng)過上述處理，有效地減小了運算數(shù)據(jù)量，提高了識別效率。

1.2 識別步驟

步驟一，在經(jīng)過預(yù)處理后的圖像中進行邊緣搜索，并對檢測到的邊緣點進行標(biāo)記，得到數(shù)個連續(xù)且封閉的目標(biāo)邊緣，如圖2a所示。

步驟二，對得到的目標(biāo)邊緣進行篩選，螺母內(nèi)孔的邊緣像素點應(yīng)滿足的條件為：

其中Ni為第i個封閉邊緣的像素數(shù)，d0為以像素為單位的螺母內(nèi)孔直徑。實驗中δmin，δmax分別取0.9和1.1。

步驟三，對篩選出的封閉邊緣以其幾何中心（xi0，yi0）和直徑d0為初始參數(shù)，按照式（2）進行圓的哈夫變換，確定符合要求的內(nèi)孔及圓心坐標(biāo)，檢測結(jié)果如圖2b所示。

步驟四，按照國標(biāo)規(guī)定的螺母內(nèi)外邊界幾何關(guān)系（圖1c），以為中心，劃定邊長為1.25e的正方形搜索區(qū)域，如圖2c所示。

圖2 識別過程

2 識別實驗

選取螺母、螺桿、墊圈等零件作為被測對象，在均勻背光照明（照度高于600lux）條件下采集圖像，如圖1a。以HPCompaq 6380作為主機，使用Delphi語言進行編程，實現(xiàn)上述螺母快速識別算法。實驗結(jié)果圖3所示，按照國標(biāo)規(guī)定的螺母尺寸序列，程序識別出了圖像中的所有螺母，耗時約0.6s?？梢?，本算法不僅對單個螺母有較好的識別效果，對圖像中“粘連”的螺母亦可有效識別。

圖3 識別結(jié)果

3 結(jié)論

本文提出了一種綜合應(yīng)用哈夫變換的快速螺母識別方法。該方法以內(nèi)邊界特征為圓，外邊界特征為鄰邊夾角120°作為判據(jù)，通過目標(biāo)邊緣像素點提取內(nèi)外邊界特征，實現(xiàn)螺母的快速識別。首先以內(nèi)孔直徑為參數(shù)實現(xiàn)對邊緣像素點的快速篩選，并應(yīng)用哈夫變換檢測內(nèi)圓；然后依據(jù)螺母內(nèi)外邊界之間的幾何關(guān)系，以內(nèi)孔為中心在一定范圍內(nèi)應(yīng)用哈夫變換檢測直線，進而求取鄰邊夾角并進行判別。有效減少了圓和直線的哈夫變換次數(shù)和計算數(shù)據(jù)量，既有傳統(tǒng)哈夫變換方法的魯棒性，又提高了識別效率，而對于存在不同對象間相互粘連的較為復(fù)雜的圖像也能實現(xiàn)對螺母的快速識別。

［1］權(quán)歡歡，張洛平.基于機器視覺的裝配線上零件識別的研究［J］.組合機床與自動化加工技術(shù)，2007（12）：58-60.

［2］王曉東，宋洪俠，劉超，等.基于機器視覺的微小型零件測量與裝配控制［J］.哈爾濱工程大學(xué)學(xué)報.2011，32（9）：1117-1122.

［3］葛旋，鐘佩思，呂曉東，等.基于機器視覺的螺栓智能裝配系統(tǒng)［J］.制造業(yè)自動化，2014，36（9）：150-153.

［4］何慧鈞，張文強，邱曉欣，等.高速移動背景下多目標(biāo)零件的實時識別系統(tǒng)［J］.計算機應(yīng)用與軟件，2012，29（11）：153-155.

［5］夏慶觀，盛黨紅，路紅，等.零件圖像特征提取和識別的研究［J］.中國機械工程，2005，16（22）：2031-2033.

［6］魏振山，趙長寬.基于傅立葉特征的幾何零件快速識別［J］.機械設(shè)計與制造，2010（6）：54-56.

［7］楊惠，楊會成，王曉薇倩.改進Harris角點檢測算法的零件形狀識別［J］.重慶理工大學(xué)學(xué)報（自然科學(xué)），2013，27（12）：64-67，90.

［8］敬淇文，李文榮.基于Harris角點檢測的零件形狀識別［J］.微計算機信息.2010，21（6）：182-184.

［9］孔侃.螺母機器視覺檢測與篩選系統(tǒng)研究與設(shè)計［D］.贛州：江西理工大學(xué)，2012.

［10］盛黨紅.機械零件圖像跟蹤與識別關(guān)鏈技術(shù)基礎(chǔ)研究［D］.南京：南京理工大學(xué)，2009.

［11］曲東升，伍星，劉彥武，等.基于預(yù)加工孔CCD圖像的零件視覺定位［J］.組合機床與自動化加工技術(shù)，2010（9）：79-82.

［12］段黎明，汪威，張霞.改進的Hough變換實現(xiàn)圓檢測［J］.計算機集成制造系統(tǒng)，2013，19（9）：2148-2152.

［13］張江鑫，沈小蘭，王輝，等.快速隨機Hough變換多直線檢測算法［J］.浙江工業(yè)大學(xué)學(xué)報，2013，41（3）：346-350.

［14］龔立雄，黃敏.基于改進Hough變換的圓形零件尺寸測量研究［J］.現(xiàn)代制造工程，2014（2）：98-102.

［15］滕今朝，邱杰.利用Hough變換實現(xiàn)直線的快速精確檢測［J］.中國圖像圖形學(xué)報，2008，13（2）：234-237.

（編輯 趙蓉）

Research on Fast Visual Identification A lgorithm of Nut under Com p lex Scenes

LI Qing-li，ZHANG Fan，LI Zi-qin，HAN Zhong-yi，WANG Tian-jie
（Department of Electromechanical Engineering，Tangshan College，Tangshan Hebei063000，China）

A fast visual identification algorithm of nut is developed via combination of Hough transforms.The algorithm is based on the relationship of inner and outer boundary of nut；Hough transforms are applied to the feature extraction from the object boundary；and the fact that inner boundary is a circle and the adjacent side of the outer boundary is120 deg angle can be selected as the criteria for fast nut identification.The computational problem of Hough transform is carefully considered；the number of calls and the amount of data in computing can be reduced via comprehensive use of object boundary pixels and narrowing the search limit.The algorithm not only exhibits the robustness of Hough transforms as classic image processing methods，but also shows good result for fast nut identification under complex scenes where different objects are partially inter-connected.

computer vision；nut；identification algorithm；boundary feature；hough transform

TH165；TG506

A

1001-2265（2015）06-0087-03 DOI：10.13462/j.cnki.mmtamt.2015.06.024

2015-01-23；

2015-03-13

河北省科技計劃項目（13211815）

李慶利（1971—），男，河北唐山人，唐山學(xué)院副教授，碩士，研究方向為數(shù)字圖像處理，機器視覺技術(shù)應(yīng)用，（E-mail）QLJLQL@163.com。