基于視覺(jué)技術(shù)的復(fù)雜空間裝配中的精細(xì)對(duì)孔

鄭張　鄔春學(xué)　張生　林曉

摘 要： 在復(fù)雜空間的自動(dòng)化裝配過(guò)程中，模塊與模塊安裝位置的安裝孔之間需要在孔位對(duì)準(zhǔn)后用螺絲固定，針對(duì)這一問(wèn)題，設(shè)計(jì)實(shí)現(xiàn)了一種精細(xì)對(duì)孔方法。該方法從安裝孔視頻流中定時(shí)讀取一幀圖像，在對(duì)圖像進(jìn)行濾波去噪、邊緣檢測(cè)等操作后，采用最小二乘法檢測(cè)安裝孔圓心坐標(biāo)信息，根據(jù)安裝孔之間的圓心距判斷安裝孔是否對(duì)準(zhǔn)。實(shí)驗(yàn)在0.062 5 mm的標(biāo)定精度下，Hough圓變換和最小二乘法的圓心距檢測(cè)結(jié)果分別是0.125 mm和0.06 mm。實(shí)驗(yàn)結(jié)果表明，在高精度的標(biāo)定結(jié)果下，相比較Hough圓變換，最小二乘法能夠更好地檢測(cè)到安裝孔的圓心坐標(biāo)信息并實(shí)現(xiàn)精細(xì)對(duì)孔，同時(shí)表明該精細(xì)對(duì)孔方法是可行的。

關(guān)鍵詞： 對(duì)準(zhǔn); 自動(dòng)化裝配; 最小二乘法; Hough圓變換

文章編號(hào)： 2095-2163（2021）07-0106-07中圖分類號(hào)：TP399文獻(xiàn)標(biāo)志碼： A

Fine alignment of hole in complex space assembly based on vision technology

ZHENG Zhang1， WU Chunxue1， ZHANG Sheng1， LIN Xiao2

（1 School of Optical-Electrical and Computer Engineering， University of Shanghai for Science and Technology， Shanghai 200093，

China; 2 College of Information and Electrical Engineering， Shanghai Normal University， Shanghai 201418， China）

【Abstract】In the automatic assembly process of complex space， the mounting holes of the module and module installation site need to be fixed with screws after the holes are aligned. Aiming at this problem， a fine hole alignment method is designed and implemented. This method reads a frame image from the video stream of the mounting hole at the same interval. After filtering， denoising， edge detection， and other operations for the image， the Least Square Method is used to detect the center coordinate information of the mounting hole， and judge whether the mounting hole is aligned according to the center distance between the mounting holes. Under the calibration accuracy of 0.062 5 mm， the test results of the center distance of Hough circle transform and Least Square Method are 0.125 mm and 0.06 mm respectively. The experimental results show that， compared with Hough circle transformation， the Least Square Method can better detect the information about the coordinate of the center of the mounting hole and realize the fine alignment of the hole. At the same time， it shows that the fine alignment method is feasible.

【Key words】alignment; automatic assembly; Least Square Method; Hough circle transformation

0 引 言

智能制造是當(dāng)前制造業(yè)發(fā)展的重要目標(biāo)之一，同時(shí)也還是一個(gè)多學(xué)科交叉的研究領(lǐng)域，早在上世紀(jì)九十年代，就已經(jīng)有人對(duì)智能制造技術(shù)與智能制造系統(tǒng)做出了相應(yīng)的分析[1]。人工智能與智能制造之間也有著密切的聯(lián)系，在實(shí)現(xiàn)智能制造的過(guò)程中或多或少地都會(huì)運(yùn)用到人工智能技術(shù)。智能制造今后的一個(gè)發(fā)展方向就是制造的自動(dòng)化、智能化，同時(shí)，智能制造在當(dāng)今社會(huì)中也顯得越來(lái)越重要[2-3]。本文研究的內(nèi)容就是為了更好地實(shí)現(xiàn)制造裝配過(guò)程中的自動(dòng)化、智能化。

現(xiàn)如今，不論是在日常生活中、或是在工業(yè)生產(chǎn)中，自動(dòng)化和智能化已在很多方面得到了廣泛的應(yīng)用。例如，在一些復(fù)雜災(zāi)害環(huán)境下，利用無(wú)人機(jī)進(jìn)行自動(dòng)自主搜救將能大大地提升搜救效率[4-5]。在石油開(kāi)采方面，結(jié)合無(wú)人機(jī)的優(yōu)點(diǎn)，利用無(wú)人機(jī)航拍圖像，還實(shí)現(xiàn)了對(duì)現(xiàn)場(chǎng)工況的實(shí)時(shí)自動(dòng)化檢測(cè)[6];在物流行業(yè)中，又提出了一種智能分配方法來(lái)實(shí)現(xiàn)物流終端的智能化分配[7]。

同樣，視覺(jué)技術(shù)在工業(yè)裝配中也發(fā)揮了很大作用。在工業(yè)裝配中定位抓取這一環(huán)節(jié)，目前即已研發(fā)實(shí)現(xiàn)了基于機(jī)器視覺(jué)技術(shù)的工件定位抓取[8-9]。在裝配過(guò)程中的孔位對(duì)準(zhǔn)問(wèn)題上，學(xué)界也已提出了機(jī)器人裝配中孔位對(duì)準(zhǔn)的算法[10]。近年來(lái)，相關(guān)研究仍在進(jìn)行中[11-12]。

分析可知，現(xiàn)實(shí)中復(fù)雜空間的特點(diǎn)是內(nèi)部結(jié)構(gòu)復(fù)雜、布線空間狹窄、零部件數(shù)目多，待安裝模塊重量大。在傳統(tǒng)的手工作業(yè)下，由于缺乏有效的工裝，給裝配人員的操作帶來(lái)了極大的困難，在一定程度上也影響了裝配效率，嚴(yán)重時(shí)還可能會(huì)損壞物件或?qū)Σ僮魅藛T造成傷害。為了提高裝配效率，有必要實(shí)現(xiàn)自動(dòng)化裝配?；诖?，本文將針對(duì)復(fù)雜空間下的精細(xì)對(duì)孔問(wèn)題展開(kāi)如下研究論述。

1 模塊的自動(dòng)化裝配

要實(shí)現(xiàn)基于機(jī)器視覺(jué)技術(shù)的機(jī)器人自動(dòng)化裝配將會(huì)涉及到很多方面。在整個(gè)裝配過(guò)程中，視覺(jué)檢測(cè)技術(shù)主要體現(xiàn)在以下幾方面：

（1）能夠視覺(jué)識(shí)別出待安裝模塊并進(jìn)行定位和抓取。

（2）能夠識(shí)別出周?chē)恼系K物，并使機(jī)械臂進(jìn)行障礙物的躲避或停止運(yùn)動(dòng)。

（3）能夠視覺(jué)識(shí)別出安裝位置上的所抓取模塊的對(duì)應(yīng)的安裝孔位。

（4）能夠識(shí)別出安裝位置周?chē)恼系K物，并能夠進(jìn)行避障;對(duì)于障礙物較多完全阻礙機(jī)器人的運(yùn)動(dòng)情況下，機(jī)器人停止運(yùn)動(dòng)并給予報(bào)警提醒。

（5）在進(jìn)行模塊的安裝過(guò)程中，能夠用視覺(jué)實(shí)時(shí)監(jiān)測(cè)判斷安裝的正確性，包括安裝的位置、安裝的方向、緊固件規(guī)格、直屬件等。

（6）不管是機(jī)器人主動(dòng)裝配模式、還是被動(dòng)輔助裝配模式，對(duì)安裝過(guò)程、安裝完畢的狀態(tài)，都能夠進(jìn)行視覺(jué)拍照和錄像記錄。

（7）可以對(duì)一些指定的檢驗(yàn)項(xiàng)進(jìn)行拍照識(shí)別和檢測(cè)。

由以上幾點(diǎn)可以看出，在整個(gè)自動(dòng)化裝配過(guò)程中，視覺(jué)技術(shù)起到了關(guān)鍵作用。機(jī)器人自動(dòng)化裝配示意圖如圖1所示。由圖1可知，整個(gè)自動(dòng)化裝配系統(tǒng)包括：自動(dòng)化AGV移動(dòng)平臺(tái)、機(jī)器人、末端執(zhí)行器、視覺(jué)系統(tǒng)、傳感器系統(tǒng)、數(shù)據(jù)采集和管理系統(tǒng)，機(jī)器人末端執(zhí)行器用于對(duì)設(shè)備的抓取。

本文設(shè)計(jì)研究的精細(xì)對(duì)孔技術(shù)是自動(dòng)化裝配過(guò)程中的重要一步。在整個(gè)自動(dòng)化裝配系統(tǒng)中，有預(yù)先設(shè)定好的一個(gè)空間數(shù)據(jù)庫(kù)，在此空間數(shù)據(jù)庫(kù)的基礎(chǔ)上可以進(jìn)行機(jī)械臂的路徑規(guī)劃、避障、抓取、移動(dòng)等步驟。本文研究的精細(xì)對(duì)孔是在已知模塊位置以及安裝位置的基礎(chǔ)上，實(shí)現(xiàn)模塊安裝孔與安裝位置孔位的精確對(duì)準(zhǔn)。由于從空間數(shù)據(jù)庫(kù)中得出的坐標(biāo)位置只能將模塊移動(dòng)至安裝位置的大致范圍內(nèi)，存在一定的誤差。若在此情況下直接進(jìn)行螺絲的緊固安裝很可能造成安裝失敗。因此本文研究設(shè)計(jì)了一種精細(xì)對(duì)孔方法，以保證整個(gè)安裝過(guò)程成功完成。

2 精細(xì)對(duì)孔方案

2.1 精細(xì)對(duì)孔要求及方案設(shè)計(jì)

在實(shí)現(xiàn)機(jī)器人自動(dòng)化裝配的過(guò)程中，機(jī)械臂可以根據(jù)從空間數(shù)據(jù)庫(kù)中得到的移動(dòng)路徑以及目標(biāo)坐標(biāo)將待安裝模塊抓取移動(dòng)至安裝位置。但此時(shí)只是模塊安裝孔與安裝位置孔位的粗對(duì)準(zhǔn)，不能保證緊固步驟的成功完成。本文根據(jù)實(shí)際需求，在安裝平面與模塊所在平面保持平行的基礎(chǔ)上實(shí)現(xiàn)精細(xì)對(duì)孔。安裝底座與待安裝模塊上的安裝孔直徑均為5 mm，在實(shí)際的裝配過(guò)程中，要求安裝底座安裝孔與模塊安裝孔兩孔位的圓心坐標(biāo)之間的偏移量、即圓心距小于等于0.1 mm，在保證此距離的情況下，可以認(rèn)為孔位已對(duì)準(zhǔn)，后續(xù)的緊固螺絲安裝步驟同樣也能夠成功完成。

在待安裝模塊移動(dòng)至安裝位置前，使用預(yù)先固定的相機(jī)采集安裝底座中安裝孔的圖像，檢測(cè)得出安裝底座安裝孔的圓心坐標(biāo)信息，而后將待安裝模塊移動(dòng)至安裝位置處，采集模塊中的安裝孔圖像，采用相同的算法檢測(cè)出模塊安裝孔的圓心坐標(biāo)信息。依據(jù)兩孔位在水平以及豎直兩方向上的偏差，可將偏差距離轉(zhuǎn)換為空間數(shù)據(jù)庫(kù)中的坐標(biāo)單位表示，從而指導(dǎo)機(jī)械臂移動(dòng)，將安裝孔對(duì)準(zhǔn)。安裝底板與待安裝模塊上安裝孔的實(shí)物圖分別如圖2（a）、圖2（b）所示。整個(gè)對(duì)孔操作的示意圖如圖3所示。

根據(jù)以上方案設(shè)計(jì)，得出如圖4所示的精細(xì)對(duì)孔流程圖。

2.2 相機(jī)標(biāo)定

機(jī)器視覺(jué)問(wèn)題的研究很重要的一點(diǎn)就是相機(jī)標(biāo)定。本文研究的是自動(dòng)化裝配過(guò)程中的孔位對(duì)準(zhǔn)問(wèn)題。對(duì)于孔位對(duì)準(zhǔn)的問(wèn)題，只需知道兩孔位之間的偏差即可，因此在標(biāo)定時(shí)只需要測(cè)出圖像中像素值與實(shí)際尺寸之間的關(guān)系即可。本文將標(biāo)準(zhǔn)尺放置在相機(jī)可采集到的視野中，而后獲取標(biāo)準(zhǔn)尺的長(zhǎng)度在圖像中所占的像素?cái)?shù)，就可以得到實(shí)際尺寸與像素值之間的比例關(guān)系。設(shè)實(shí)際尺寸為D，實(shí)際尺寸所占的像素?cái)?shù)為N，每個(gè)像素所代表的實(shí)際尺寸為k，則存在以下關(guān)系：

D=N·k（1）

3 精細(xì)對(duì)孔算法

3.1 圖像預(yù)處理

圖像預(yù)處理是對(duì)孔檢測(cè)的第一步操作，其處理效果的好壞將直接影響到后續(xù)圖像處理和分析的有效性和可靠性[13]。本文在圖像預(yù)處理中采用中值濾波方法。

例如在N×N的濾波器窗口中，設(shè)Gx，y為中值濾波后圖像中x，y位置的像素值，Med{}為求中值運(yùn)算，則中值濾波的輸出表達(dá)式為：

Gx，y=Med{gx+n，y+m;

1-N/2≤n，m≤N-1/2}（2）

濾波器窗口大小的選取對(duì)濾波的結(jié)果有很大的影響，N取3，9時(shí)對(duì)模塊安裝孔的濾波結(jié)果如圖5（a）、圖5（b）所示。

3.2 基于Canny的邊緣檢測(cè)

邊緣是圖像的基本特征，往往存在于灰度差較大的區(qū)域，因此像素級(jí)的邊緣檢測(cè)方法都是利用灰度差的原理來(lái)檢測(cè)。

Canny[14]邊緣檢測(cè)算法的第一步是使用高斯濾波器對(duì)原圖降噪。由于圖像中的邊緣方向可能各不相同，因此在Canny算法中使用多個(gè)邊緣檢測(cè)的算子來(lái)檢測(cè)圖像中水平、垂直和對(duì)角邊緣，例如Sobel算子，這樣就可得到像素點(diǎn)的梯度G和方向theta。

經(jīng)過(guò)Sobel算子計(jì)算得到的圖像還需要進(jìn)行非極大值抑制。將當(dāng)前像素的梯度強(qiáng)度與其正負(fù)梯度方向上的像素進(jìn)行比較，若當(dāng)前像素的梯度較大則保留該邊緣點(diǎn)，否則抑制該邊緣點(diǎn)。

接下來(lái)，在Canny中會(huì)設(shè)置一個(gè)高閾值T1和一個(gè)低閾值T2。當(dāng)像素的梯度大于高閾值T1時(shí)會(huì)被保留下來(lái);當(dāng)像素的梯度小于高閾值T1、大于低閾值T2時(shí)，只有當(dāng)其與高于高閾值的像素連接時(shí)才被保留;當(dāng)像素的梯度小于低閾值T2時(shí)，舍棄該邊緣。

本文在預(yù)處理的基礎(chǔ)上檢測(cè)邊緣，檢測(cè)后的邊緣信息將用于安裝孔圓心的檢測(cè)。在未經(jīng)二值化處理和經(jīng)過(guò)二值化處理后的Canny邊緣檢測(cè)結(jié)果如圖6（a）、圖6（b）所示。由圖6可見(jiàn)，經(jīng)過(guò)二值化處理的圖像有更多的邊緣信息被保留下來(lái)，但同時(shí)由于二值化圖像的輪廓較粗，安裝孔的內(nèi)外兩側(cè)都有邊緣信息檢測(cè)出。

3.3 孔位圓心坐標(biāo)檢測(cè)算法

本文在邊緣檢測(cè)的基礎(chǔ)上分別采用最小二乘法和Hough圓變換法檢測(cè)安裝孔圓心坐標(biāo)。

3.3.1 最小二乘圓擬合法

最小二乘法通過(guò)最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，利用最小二乘法可以簡(jiǎn)便地求得未知的數(shù)據(jù)，并使得這些求得的數(shù)據(jù)與實(shí)際數(shù)據(jù)之間誤差的平方和為最小。最小二乘法可用于曲線擬合，如本文中用最小二乘法來(lái)擬合圓，這也是現(xiàn)在最為常用的擬合圓的方法之一。設(shè)圓的方程為：

本文在采用最小二乘法檢測(cè)安裝孔時(shí)，將采集到的安裝孔圖像依次進(jìn)行去噪、邊緣檢測(cè)處理，將處理后的圖像進(jìn)行檢測(cè)。檢測(cè)到的安裝孔及圓心如圖7所示。

3.3.2 Hough圓變換法

Hough變換是一種特征檢測(cè)技術(shù)，可用于在圖像中隔離特定形狀的特征的技術(shù)，例如檢測(cè)圖像中的直線、圓、橢圓等曲線形狀[15-17]，這一技術(shù)現(xiàn)已廣泛應(yīng)用在圖像分析、計(jì)算機(jī)視覺(jué)等領(lǐng)域[18-20]。

Hough變換不論是檢測(cè)直線或是圓，都是將邊緣圖像中的點(diǎn)信息映射到一個(gè)參數(shù)空間中，標(biāo)準(zhǔn)的Hough圓變換算法中是一個(gè)三維累加器，每一個(gè)圓對(duì)應(yīng)三維空間中的一個(gè)點(diǎn)，這就需要大量的計(jì)算。OpenCV中對(duì)標(biāo)準(zhǔn)的Hough圓變換算法進(jìn)行了改進(jìn)，稱為霍夫梯度法。在霍夫梯度法中，檢測(cè)一個(gè)圓分為估計(jì)圓心和估計(jì)半徑兩個(gè)步驟，對(duì)此可做闡釋分述如下。

（1）估計(jì)圓心

① 對(duì)原圖像進(jìn)行Canny邊緣檢測(cè)，得到二值邊緣圖像。

② 對(duì)原圖進(jìn)行一次Sobel算子計(jì)算，得出所有像素的梯度。圓上每一點(diǎn)的梯度方向都是指向圓心的方向。

③ 初始化每一個(gè)圓心累加器Na，b，令Na，b=0。

④ 對(duì)二值邊緣圖像中的每一個(gè)非零像素點(diǎn)，沿著梯度的方向作一條直線，若直線經(jīng)過(guò)累加器中的點(diǎn)a，b，則將累加器加一，即Na，b=Na，b+1。將直線經(jīng)過(guò)的所有累加器點(diǎn)都做如此處理。

⑤ 對(duì)累加器Na，b進(jìn)行排序，累加器Na，b越大，則越可能是圓心。

（2）估計(jì)半徑

① 針對(duì)每一個(gè)得出的圓心，計(jì)算二值邊緣圖像中非零像素點(diǎn)與圓心之間的距離。

② 將距離進(jìn)行排序，根據(jù)設(shè)定的閾值，選擇合適的半徑值。

③ 初始化半徑累加器Nr，令Nr=0。

④ 遍歷二值邊緣圖像中的非零像素點(diǎn)，若半徑相同，令Nr=Nr+1。

⑤ 累加器Nr值越大越可能是半徑，根據(jù)閾值，選擇合適的半徑。

本文在采用Hough圓變換檢測(cè)安裝孔時(shí)，將采集到的的安裝孔圖像依次進(jìn)行去噪、二值化處理，將處理后的圖像進(jìn)行檢測(cè)。檢測(cè)到的安裝孔及圓心如圖8所示。

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證精細(xì)對(duì)孔方案的正確性及可行性，本文模擬實(shí)際的裝配操作環(huán)境搭建實(shí)驗(yàn)裝置。實(shí)驗(yàn)中采取不同的相機(jī)安裝高度進(jìn)行對(duì)比實(shí)驗(yàn)，相機(jī)采集的圖像分辨率均為320×240。在第一組實(shí)驗(yàn)中，相機(jī)能夠采集的水平視野范圍為24 mm，豎直視野范圍為18 mm，則水平和豎直兩個(gè)方向上每個(gè)像素所代表的實(shí)際尺寸為：

在第二組實(shí)驗(yàn)中，相機(jī)能夠采集的水平視野范圍為20 mm，豎直視野范圍為15 mm，則水平和豎直兩個(gè)方向上每個(gè)像素所代表的實(shí)際尺寸為：

本文中精細(xì)對(duì)孔的要求是圓心距小于等于0.1 mm，因此0.075 mm和0.062 5 mm的標(biāo)定精度是符合要求的。

4.1 圓心坐標(biāo)檢測(cè)結(jié)果

在第一組實(shí)驗(yàn)中最小二乘法和Hough圓變換檢測(cè)出的安裝底板上的安裝孔分別如圖9（a）、圖9（b）所示。

第一組實(shí)驗(yàn)中，2種算法檢測(cè)出的底板安裝孔圓心坐標(biāo)及模塊安裝孔檢測(cè)結(jié)果分別見(jiàn)表1～表3。表2和表3中，第四項(xiàng)是安裝孔已對(duì)準(zhǔn)情況的檢測(cè)結(jié)果。

在二組實(shí)驗(yàn)中，同樣采用2種算法先檢測(cè)安裝底板上的安裝孔。最小二乘法和Hough圓變換檢測(cè)的結(jié)果分別如圖10（a）、圖10（b）所示。

第一組實(shí)驗(yàn)中，2種算法檢測(cè)出的底板安裝孔圓心坐標(biāo)以及模塊安裝孔檢測(cè)結(jié)果分別參見(jiàn)表4～表6。表5和表6中，第四項(xiàng)是安裝孔已對(duì)準(zhǔn)情況的檢測(cè)結(jié)果。

4.2 實(shí)驗(yàn)結(jié)果分析

由實(shí)驗(yàn)結(jié)果可知，在第一組實(shí)驗(yàn)中，當(dāng)實(shí)際安裝孔已對(duì)準(zhǔn)時(shí)，2種算法的檢測(cè)結(jié)果誤差均大于0.1 mm，不符合檢測(cè)誤差要求。在第二組實(shí)驗(yàn)中， Hough圓變換的檢測(cè)結(jié)果仍不符合0.1 mm的誤差要求，但在最小二乘法的檢測(cè)結(jié)果中，圓心距是0.06 mm，符合0.1 mm的誤差要求。

由2組實(shí)驗(yàn)的對(duì)比分析可知，在0.062 5 mm的標(biāo)定結(jié)果下，采用最小二乘法的檢測(cè)精度更高，能夠滿足精細(xì)對(duì)孔的誤差要求。同時(shí)由實(shí)驗(yàn)結(jié)果可知，2組實(shí)驗(yàn)中最小二乘法的檢測(cè)精度均高于Hough圓變換法。因此在實(shí)際裝配過(guò)程中將選擇最小二乘法作為檢測(cè)算法。

文獻(xiàn)[10]和文獻(xiàn)[12]都是對(duì)孔位中心對(duì)準(zhǔn)的研究，本文將文中的實(shí)驗(yàn)結(jié)果與文獻(xiàn)中的結(jié)果進(jìn)行對(duì)比分析，3種方法的對(duì)比結(jié)果見(jiàn)表7。

根據(jù)表7中的數(shù)據(jù)可知，本文精細(xì)對(duì)孔的0.1 mm精度誤差是3種方案中要求最高的，同時(shí)在實(shí)際對(duì)準(zhǔn)時(shí)，本文0.06 mm的誤差也是最優(yōu)的結(jié)果。

5 結(jié)束語(yǔ)

為了解決復(fù)雜空間環(huán)境下的模塊裝配問(wèn)題，本文研究了一種基于視覺(jué)圖像技術(shù)的精細(xì)對(duì)孔方法，該方法在待安裝模塊已定位的基礎(chǔ)上實(shí)現(xiàn)待安裝模塊安裝孔與安裝底板安裝孔之間的孔位對(duì)準(zhǔn)。實(shí)驗(yàn)結(jié)果表明，在0.1 mm的圓心距誤差要求下，采用最小二乘法能夠更好地在復(fù)雜空間環(huán)境下檢測(cè)定位安裝孔并實(shí)現(xiàn)安裝孔的孔位對(duì)準(zhǔn)。

參考文獻(xiàn)

[1]楊叔子，丁洪. 智能制造技術(shù)與智能制造系統(tǒng)的發(fā)展與研究[J].中國(guó)機(jī)械工程，1992，3（2）：15-18.

[2] 陶飛， 戚慶林. 面向服務(wù)的智能制造[J]. 機(jī)械工程學(xué)報(bào)， 2018， 54（16）：11-23.

[3]郭彩芬. 人工智能視角下的智能制造的發(fā)展[J]. 蘇州市職業(yè)大學(xué)學(xué)報(bào)， 2020， 31（01）：16-20.

[4]WU Chunxue ， JU Bobo ， WU Yan ， et al. UAVautonomous target search based on deep reinforcement learning in complex disaster scene[J]. IEEE Access， 2019， （7）：117227-117245.

[5]HU Qiuhong ， WU Chunxue ， WU Yan ， et al. UAVimage high fidelity compression algorithm based on generative adversarial networks under complex disaster conditions[J]. IEEE Access， 2019， 7：91980-91991.

[6]ZHOU Yu ， WU Chunxue ， WU Qunhui ， et al. Design andanalysis of refined inspection of field conditions of oilfield pumping wells based on Rotorcraft UAV technology[J]. Electronics， 2019， 8（12）：1504.

[7]WU Chunxue， WU Junjie， WU Yan. Design andanalysis of the task distribution scheme of express center at the end of modern logistics[J]. Electronics， 2019， 8（10）：1141.

[8] 劉正瓊， 萬(wàn)鵬， 凌琳，等. 基于機(jī)器視覺(jué)的超視場(chǎng)工件識(shí)別抓取系統(tǒng)[J]. 機(jī)器人， 2018， 40（3）：294-300，308.

[9]MA Yanqin， LIU Xilong ， ZHANG Juan ， et al. Robotic grasping and alignment for small size components assembly based on visual servoing[J]. The International Journal of Advanced Manufacturing Technology， 2020， 106（11-12）：1-17.

[10]程艷花， 錢(qián)魯泓， 徐升，等. 機(jī)器人裝配中孔位對(duì)準(zhǔn)算法的研究與實(shí)現(xiàn)[J]. 上海交通大學(xué)學(xué)報(bào)， 2016，50（S1）：83-85，89.

[11]吳禹均， 吳巍， 郭毓，等. 一種基于力覺(jué)的機(jī)器人對(duì)孔裝配方法[J]. 山東大學(xué)學(xué)報(bào)（工學(xué)版）， 2019， 49（5）：119-126.

[12]王晶， 高峰， 李婉越，等. 瞳孔中心點(diǎn)自動(dòng)定位與對(duì)準(zhǔn)裝置[J]. 光學(xué)精密工程， 2019， 27（6）：1370-1377.

[13]毛星云，冷雪飛，王碧輝，等. OpenCV3編程入門(mén)[M]. 北京：電子工業(yè)出版社， 2015.

[14]CANNY J. Acomputational approach to edge detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1986， PAMI-8（6）：679-698.

[15]BAILEY D ， CHANG Yuan， MOAN S L. Analysing arbitrary curves from the line Hough Transform[J]. Journal of Imaging， 2020， 6（4）：26.

[16]成浩， 崔文超. 基于Hough變換的橢圓檢測(cè)算法對(duì)比分析[J]. 軟件導(dǎo)刊， 2018， 17（9）：115-118.

[17]陳偉偉， 武偉. 基于Hough變換的直線和圓提取方法[J]. 電子質(zhì)量， 2019（2）：17-19.

[18]高霞， 全英匯， 阮鋒，等. 基于Hough變換的雷達(dá)密集轉(zhuǎn)發(fā)干擾抑制算法[J]. 系統(tǒng)工程與電子技術(shù)， 2019，41（12）：2730-2737.

[19]TIAN Yifei， SONG Wei， CHEN Long ， et al. Fastplanar detection system using a GPU-based 3D Hough Transform for LiDAR point clouds[J]. Applied Sciences， 2020， 10（5）：1744.

[20]苗丹， 盧偉， 高嬌嬌，等. 基于聚類與Hough變換的交通標(biāo)志檢測(cè)方法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用， 2019， 28（11）：213-217.

基金項(xiàng)目： 國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFB1702601）;國(guó)家重點(diǎn)研發(fā)計(jì)劃（2018YFC0810204）;上?？萍紕?chuàng)新行動(dòng)計(jì)劃科研計(jì)劃項(xiàng)目（19511105103）;上海科技創(chuàng)新行動(dòng)計(jì)劃項(xiàng)目（17511107203）;上?？萍紕?chuàng)新行動(dòng)計(jì)劃項(xiàng)目（16111107502）;航天東方紅課題軍工項(xiàng)目（654b159b2385-006-001）。

作者簡(jiǎn)介：? 鄭 張（1995-），男，碩士研究生，主要研究方向：計(jì)算機(jī)視覺(jué)、圖像處理; 鄔春學(xué)（1964-），男，博士，教授， 主要研究方向：計(jì)算機(jī)監(jiān)測(cè)與控制、網(wǎng)絡(luò)控制系統(tǒng)、無(wú)線自動(dòng)巡檢系統(tǒng); 張 生（1968-），男，博士，高級(jí)工程師， 主要研究方向：工業(yè)自動(dòng)化、計(jì)算機(jī)應(yīng)用;林 曉（1978-），女，博士，教授， 主要研究方向：圖像處理、計(jì)算機(jī)視覺(jué)。

通訊作者： 鄔春學(xué)Email：wcx@usst.edu.cn

收稿日期： 2021-03-14