基于計(jì)算機(jī)視覺的通訊機(jī)殼部件精密測(cè)量方法

杭宇+孫亞東

摘要：為解決通訊機(jī)殼部件測(cè)量中遇到的圓擬合和邊緣提取不準(zhǔn)確的問題，提出了利用加權(quán)函數(shù)進(jìn)行修正的方法。首先，針對(duì)圓擬合過程中容易受到干擾點(diǎn)影響的情況，提出采用雙平方形式的加權(quán)函數(shù)對(duì)圓擬合過程進(jìn)行修正，去除了離群值較大的點(diǎn)，從而使圓擬合更準(zhǔn)確。為了準(zhǔn)確的定位邊緣，提出了利用三角形模糊隸屬函數(shù)作為加權(quán)函數(shù)，對(duì)邊緣選取過程進(jìn)行修正，從而達(dá)到準(zhǔn)確提取邊緣的目的。同時(shí)，本文采用了魯棒性強(qiáng)的字符提取算法及支持向量機(jī)的字符檢測(cè)算法，實(shí)現(xiàn)了字符提取和識(shí)別。

關(guān)鍵詞：加權(quán)函數(shù)；圓擬合；邊緣選??；字符檢測(cè)

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）15-0252-03

Abstract：In order to solve the problem of inaccurate edge extracting and circle fitting in the communications components measurement， a method for correcting the weighting function is proposed. First， double squared weighting function is adopted to fit circle for the case of circle fitting process susceptible to interference. Circle fitting is more accurate because the outliers are removed. In order to accurately locate the edge， triangular fuzzy membership function is adopted as a weighting function， so the accurate edge extraction is achieved. at the same time， robust character extraction algorithm and character detection algorithm by SVM（support vector machine） is adopted for character extracting and recognition during the measurement.

Key words： weight function； circle fitting； edge selecting； symbols identifying

通訊天線設(shè)備的電性能直接與設(shè)備的各個(gè)零部件的精度相關(guān)，通訊天線零部件的高精度是保障通信質(zhì)量的基本條件。通訊機(jī)殼零部件的尺寸精度、幾何形狀精度、相互位置精度、表面粗糙度等都有嚴(yán)格規(guī)范和公差范圍。在檢測(cè)過程中不但要高精度地測(cè)量幾何尺寸、幾何形狀和相互位置精度，同時(shí)還要識(shí)別零部件表面的各種符號(hào)、數(shù)字和字母等。本文以通訊機(jī)殼零部件測(cè)量為例，以滿足精度、提高可靠性為目的，研究了基于單目計(jì)算機(jī)視覺條件下滿足亞像素精度的檢測(cè)方法，其關(guān)鍵檢測(cè)技術(shù)主要有標(biāo)定技術(shù)、復(fù)雜輪廓的基元擬合技術(shù)、模糊測(cè)量技術(shù)和字符提取技術(shù)等。文中針對(duì)機(jī)殼部件測(cè)量中，存在圓擬合與邊緣提取不準(zhǔn)確的問題，提出了利用加權(quán)函數(shù)進(jìn)行修正的方法。該方法的基本思想是：圓擬合不準(zhǔn)確主要是由于受到較大的離群點(diǎn)影響，因此采用一種雙平方模式的加權(quán)函數(shù)來去除這些離群點(diǎn)，從而得到準(zhǔn)確的擬合圓。邊緣提取不準(zhǔn)確也是由于提取到了不需要的邊緣，因此采用三角形模式的加權(quán)函數(shù)對(duì)不需要的邊緣進(jìn)行抑制，只允許正確的邊緣輸出，從而達(dá)到正確檢測(cè)目的。檢測(cè)結(jié)果表明，所提出的方法能夠滿足測(cè)量要求。由于機(jī)殼部件表面的字符也要求識(shí)別，因此本文根據(jù)字符及其背景，選擇了魯棒性強(qiáng)的動(dòng)態(tài)閥值分割算法和支持向量機(jī)分類器實(shí)現(xiàn)了字符的檢測(cè)和識(shí)別。

1 攝像機(jī)標(biāo)定技術(shù)

本文采用傳統(tǒng)的攝像機(jī)標(biāo)定方法，利用一個(gè)標(biāo)定板與其圖像的對(duì)應(yīng)約束關(guān)系來確定攝像機(jī)的內(nèi)參數(shù)和外參數(shù)。測(cè)量中，采用的是遠(yuǎn)心相機(jī)模型。從三維空間坐標(biāo)到二維圖像坐標(biāo)的映射關(guān)系可以使用一個(gè)固定數(shù)量的參數(shù)來表示：

2 最小二乘法的加權(quán)擬合

由于部件的邊界點(diǎn)組成的輪廓會(huì)產(chǎn)生大量的數(shù)據(jù)，而我們所關(guān)心的是確定部件輪廓的位置信息，因此需要將輪廓擬合成直線、圓、橢圓等基元，進(jìn)而確定被測(cè)部件的形狀精度、相互位置精度等關(guān)鍵參數(shù)。本文提出一種圓擬合算法，該算法基于各個(gè)擬合點(diǎn)的權(quán)重值的大小對(duì)圓進(jìn)行擬合，使得到圓更為精確。

3 模糊測(cè)量

相對(duì)于經(jīng)典標(biāo)準(zhǔn)的測(cè)量方法，模糊測(cè)量對(duì)邊緣選擇更加靈活。它可以依據(jù)圖像的對(duì)比度、位置、尺寸及灰度值等信息實(shí)現(xiàn)測(cè)量。

設(shè)模糊集合記為；并在[0，1]閉區(qū)間的特征函數(shù)稱為隸屬函數(shù)，記為，它表示對(duì)于的隸屬程度，用它來描述“亦此亦彼”的模糊概念。在經(jīng)典集合論中，集合元素要么屬于或不屬于集合，該集合的邊界是清晰的。模糊集理論則允許有關(guān)集合元素模糊漸進(jìn)評(píng)估，這就是通過隸屬函數(shù)來描述的。模糊集合的定義式為：

由于在圖像中的灰度值存在模糊性，其主要體現(xiàn)在物體的邊緣，因此適合用模糊理論對(duì)圖像邊緣的不確定性進(jìn)行描述。對(duì)單一不確定性測(cè)量，在量化的區(qū)域內(nèi)，包含準(zhǔn)確的值，即在gray zone范圍內(nèi)[6]。對(duì)物體進(jìn)行測(cè)量前，要選擇模糊隸屬函數(shù)。常用的有Triangular、S-curve function、Z-function和Pi-function四種。其他隸屬函數(shù)可由這四種組合而成[7]。在實(shí)際的測(cè)量中，由于光照等因素影響，常導(dǎo)致邊緣檢測(cè)不準(zhǔn)確，進(jìn)而影響測(cè)量結(jié)果，圖2（a）所示為由于檢測(cè)出多個(gè)邊緣，其測(cè)量結(jié)果有多個(gè)。

5 結(jié)論

本文研究了基于單目計(jì)算機(jī)視覺的機(jī)殼測(cè)量方法。針對(duì)測(cè)量中圓擬合不準(zhǔn)確的問題，提出了圓擬合算法的改進(jìn)，即對(duì)擬合過程中，先計(jì)算各個(gè)點(diǎn)的加權(quán)值，對(duì)大于指定值的視為離群點(diǎn)，將其忽略已達(dá)到去除離群點(diǎn)的目的，從而得到更準(zhǔn)確的圓。對(duì)檢測(cè)到多個(gè)邊緣的問題，根據(jù)其正確的邊緣位置信息，設(shè)計(jì)相應(yīng)的加權(quán)函數(shù)，只選擇需要的邊緣輸出，從而得到正確的測(cè)量結(jié)果。加權(quán)函數(shù)的方法的優(yōu)點(diǎn)是使檢測(cè)結(jié)果更準(zhǔn)確；其缺點(diǎn)是增加了計(jì)算量，從而使檢測(cè)時(shí)間加長(zhǎng)。因此，對(duì)于檢測(cè)時(shí)間要求比較苛刻的場(chǎng)合，該方法還有進(jìn)一步改進(jìn)的空間。另外本文還根據(jù)檢測(cè)要求，運(yùn)用動(dòng)態(tài)閥值分割算法和SVM分類器對(duì)機(jī)殼表面的字符進(jìn)行了提取和識(shí)別。

參考文獻(xiàn)：

[1] S.Lanser， Modellbasierte Lokalisation gestutzt auf monokulare. PhD thesis，F(xiàn)orschungaund Lehreinheit Informatik LX， Technische Universittat Munchen[M].Shaker Verlag， Aachen， 1997.

[2] F.Mosteller， J.W.Tukey. Data Analysis and regression[Z]. Addisson-Wesley，Reading， MA，1977.

[3] S.J.Ahn， W.Rauh， H.J.Warnecke. Least-squares orthogonal distances fitting of circle， sphere， ellipse，hyperbola， and parabola[J]. Pattern Recognition， 2011， 34（12）： 2283-2303.

[4] Beer， M Uncertain structural design based on nonlinear fuzzy analysis[J]. Special Issue of ZAMM 2004， 84（10–11）： 740–753.

[5] M?ller， B， Beer， M Safety Assessment using Fuzzy Theory[C]. Proceedings of the 1998 International Computing Congress in Civil Engineering， ASCE， Boston， 1998：756–759.

[6] M?ller，B.Graf，W，Beer，M.Fuzzy structural analysis using alpha-level optimization[J]. Computational Mechanics. 2000， 26： 547–565.

[7] Zdeněk Molnár，Václav Bezděk.Possibel use of logic in database[J].Information Security， 2011.