產(chǎn)線零件特征圖形識別的技術研究

蘇州工業(yè)職業(yè)技術學院機電工程系 王趙雨 徐 黎 仝 奧 劉 晨 周家豪 鹿 霖

使用OpenCV開源視覺庫，通過色域轉(zhuǎn)化、輪廓提取、角點識別等功能實現(xiàn)對指定產(chǎn)品零件的特征圖形識別。使用開源控制器樹莓派及其搭載的Pi Camera攝像頭獲取機器人攜行工件的原始圖像，并對圖像進行濾波，灰度轉(zhuǎn)化等處理，再對其輪廓進行提取、擬合等操作，最終獲得指定幾何形狀的識別結(jié)果并進行標定。結(jié)果表明，作為一項基于開源軟硬件的解決方案，可實現(xiàn)對指定零件上的三角形，圓形，正方形，矩形輪廓進行識別判斷，并可作為產(chǎn)線的一部分，與機器人進行聯(lián)動。

隨著中國制造向中國”智”造轉(zhuǎn)型升級，對生產(chǎn)效率的要求也日益提高，借助傳統(tǒng)的“打光透亮”和“大小格柵”方法對流水線上零件進行物理檢測質(zhì)檢和分類的工作變得越來越困難，對于借助機器視覺進行進一步精細核驗的需求越來越迫切。目前市場成熟的視覺軟件和成品智能相機源碼多為國外企業(yè)保密資料，國內(nèi)相關信息又過于零散，且成熟代碼多為基于商業(yè)軟件MATLAB、Halcon編寫。

本文主要研究了使用開源硬件樹莓派作為控制器，通過開源視覺庫OpenCV對某產(chǎn)線零件上典型特征圖形進行識別的方法，同時加入了機器人與樹莓派的數(shù)據(jù)通信作為流程控制與結(jié)果獲取。此類方法可以應用于工業(yè)生產(chǎn)中對于零件輪廓的分類和零件加工是否到位進行檢測，具有簡便可靠等特點，易于在生產(chǎn)中應用。本案例所使用的檢測對象即為某型號輪轂零件。

1 系統(tǒng)硬件方案設計

系統(tǒng)硬件框圖如圖1所示，使用IRB120機器人作為上位機使用socket指令與樹莓派進行TCP通信，用于下達拍攝指令及接收圖像識別結(jié)果；使用樹莓派自帶的CSI接口的Pi Camera攝像頭進行圖像拍攝，獲取目標的圖像數(shù)據(jù)；樹莓派4B作為控制器，對采集到的圖像數(shù)據(jù)進行處理分析；HDMI顯示屏用于實時顯示結(jié)果。實際使用時，無屏幕顯示亦可。

圖1 系統(tǒng)硬件框圖

2 系統(tǒng)及軟件準備

由于樹莓派搭載的操作系統(tǒng)為Raspberry Pi OS，屬于Linux系統(tǒng)，所以在軟件安裝上與常用的Windows系統(tǒng)略有不同。其所有操作均通過終端（terminal）命令行執(zhí)行，下載OpenCV源碼需借助“wget-o”指令從目標網(wǎng)站（官方提供的是github鏈接）下載zip格式壓縮包。然后再使用“unzip“指令進行解壓。解壓后的庫文件經(jīng)“CMake”編譯后即可正常使用。如果不能正常編譯安裝，應首先考慮使用“sudo apt-get update&&upgrade”更新系統(tǒng)。此外如果希望程序能夠穩(wěn)定運行還需通過“sudo apt-get install”指令安裝必要的配套庫如OpenCV數(shù)值優(yōu)化庫“l(fā)ibatlas-base-dev gfortran”等。

3 圖形識別過程

圖2所示為該產(chǎn)線零件輪廓識別過程流程圖，IRB120機器人作為上位機下達指令，相機進行拍照，樹莓派對相機采集的圖像數(shù)據(jù)進行處理，包括圖像預處理，輪廓擬合與提取，角點檢測、形狀判斷，面積篩選，最終將識別結(jié)果反饋給IRB120機器人。整個過程可循環(huán)進行。

圖2 輪廓識別流程圖

3.1 圖像預處理

通過攝像頭拍照獲取的原始圖像如圖3所示。主要識別中心位置的方形、三角形、長方形和圓形圖案。由于主要是對圖像做圖形識別，而讀入的初始圖像信息包含的無用信息和干擾項過多，如大量不可視的噪點以及做形狀識別所不需要的色彩信息，所以首先對圖像進行高斯模糊GaussianBlur()使某些不明顯的噪聲輪廓被率先濾除，然后再進行色域轉(zhuǎn)化，把原BGR圖成GRAY格式（如圖4所示）。

圖3 原始圖像

圖4 預處理后的圖像

3.2 邊緣粗提取

圖像輪廓特指目標圖像中灰度值突變的區(qū)域邊界，目前業(yè)界多用Canny算子進行輪廓提取。經(jīng)過多次嘗試，測試設定閾值為25，75，使用默認內(nèi)核，內(nèi)核為3，使用Canny算子提取后輪廓如圖5所示?？梢娔繕藞D案輪廓，但仍有很多其他邊緣輪廓，如輪轂、背景干擾線等。

圖5 Canny算子處理后的粗輪廓圖

3.3 對粗提取出的輪廓通過部分圖形操作減少雜波

在獲得的粗輪廓圖基礎上，再使用膨脹dilation和侵蝕erosion的圖形學運算可以進一步削減Canny算子提取出的干擾輪廓，以避免對后續(xù)識別產(chǎn)生影響。此處使用了10X10的矩形內(nèi)核，矩形內(nèi)核由getStructingElement中的參數(shù)MORPH_RECT確定，其他的還有十字形，橢圓形，分別適合不同場合。具體對照如圖6，A為處理前，B為處理后。

圖6 侵蝕膨脹處理對照圖

3.4 對處理過的輪廓進行識別和標定

使用Canny生成的輪廓圖后，借助FindCounter函數(shù)對其進行輪廓檢測。FindCounter函數(shù)可將較為抽象的輪廓轉(zhuǎn)化為易于處理的點集。其參數(shù)首先為輸入圖像，其次是接收輪廓的容器此處使用vector二重容器。再次為輪廓層級。接著是一些如閾值等可選參數(shù)。為了實現(xiàn)圖形判斷，引入conPoly函數(shù)篩選出輪廓點集中含拐點的特殊點，其中填入counter.size（）。接著使用approPolyDP對獲取的點集進行多邊形擬合，最后再通過drawContours函數(shù)將獲得的輪廓進行標定，效果如圖7所示。可見，除了將檢測的輪轂中心圖案標定出來之外，仍舊還有很多干擾輪廓。

圖7 輪廓標定

故在通過FindCounter獲取點集之后，調(diào)用counterArea函數(shù)計算輪廓面積。將計算得到的輪廓面積，篩除其中小與1000的部分后再進行后續(xù)操作。最終獲得如圖8所示效果。至此，成功識別目標形狀，并分別予以標定。

圖8 篩選

FindCounter函數(shù)識別輪廓對于照明條件有較高的要求，如果照明條件不夠理想則會出現(xiàn)難以準確檢測的問題。目前已知的，也是最簡便的方法為在相機周圍加裝燈帶，可顯著提高準確率。另外在在不變修改照明條件的情況下，可以考慮將相機設置為鎖幀，亦可削弱一定的影響。

4 IRB120與樹莓派的TCP通信

整個零件特征圖形識別流程由IRB120機器人進行控制，所以在設計中，通過在樹莓派上建立TCP服務器，而IRB120作為TCP客戶端對樹莓派做動作請求。在樹莓派上通過軟件編程實現(xiàn)，并通過關鍵詞觸發(fā)，實現(xiàn)對圖形識別流程的控制。機器人端則使用指定的socket指令實現(xiàn)，且需開啟616-1 PC-interface選項支持。

本文使用樹莓派4B和隨機搭載的Pi Camera攝像頭搭建了簡易可靠的視覺檢測系統(tǒng)，運用OpenCV對產(chǎn)線零件特征圖形進行識別檢測，結(jié)果顯示該系統(tǒng)可以輕松準確地檢測出正方形，圓形，三角形，矩形，且整個流程可由上位機IRB120機器人實現(xiàn)控制。相機端軟件依靠C++語言的固有特性，運行高效且對CPU處理能力要求不高，有利于多平臺移植，使用通用TCP/IP套接字通信，更便于接入工業(yè)網(wǎng)絡。同時完全未涉及付費或保密內(nèi)容，有利于進一步降低生產(chǎn)成本及推廣使用。