基于OpenCV 的物體輪廓尺寸測(cè)量

朱志成ZHU Zhi-cheng

（重慶交通大學(xué)機(jī)電與車輛工程學(xué)院，重慶400074）

0 引言

近年來，由于互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)上購物也越來越頻繁，網(wǎng)絡(luò)購物以每年20%以上的速度增長(zhǎng)，2020 年1 至6 月，全國(guó)網(wǎng)絡(luò)銷售額達(dá)5.15 萬億元，同比增長(zhǎng)7.3%，連續(xù)四個(gè)月增長(zhǎng)速度有所提升。電子商務(wù)的快速發(fā)展，對(duì)于物流配送也有了更高的要求，傳統(tǒng)的物流配送已經(jīng)顯示出了其一部分不足之處了：配送時(shí)間不夠靈活，具體表現(xiàn)在：配送員的配送時(shí)間與收件人收件時(shí)間的不匹配，主要有兩種情況，配送員配送的時(shí)候，取件人沒時(shí)間；取件人有時(shí)間時(shí)，快遞沒有配送到。節(jié)假日，特別是春節(jié)期間配送員人手不夠?qū)е鹿?jié)假日的物流積壓；由于配送員追求配送速度而引起交通事故頻發(fā)[1]；新冠肺炎疫情的爆發(fā)以來，“無接觸”配送服務(wù)逐漸出現(xiàn)，阿里巴巴與京東公司也相繼推出了無人快遞機(jī)器人進(jìn)行配送。在未來的“最后一公里”的配送中，無人快遞機(jī)器人的配送會(huì)越來越普及[2]。無人快遞機(jī)器人的一個(gè)關(guān)鍵技術(shù)是，對(duì)快遞物品尺寸大小進(jìn)行測(cè)量，并根據(jù)測(cè)量的結(jié)果推薦適合尺寸的快遞包裝盒。目前在這一領(lǐng)域的研究還很少。

杭州電子科技大學(xué)劉士偉（2019 年）針對(duì)陶瓷基片的測(cè)量需求，提出了基于OpenCV 的陶瓷基片視覺檢測(cè)系統(tǒng)[3]。西安建筑科技大學(xué)的郭瑞峰，袁超峰等（2017 年）針對(duì)煤礦火車車廂的輪廓測(cè)量需求，提出了一種基于OpenCV 的單相機(jī)火車車廂單位尺寸測(cè)量，其搭建的測(cè)量系統(tǒng)測(cè)量偏差小于95mm，能夠滿足該場(chǎng)合的測(cè)量需求[4]。內(nèi)蒙古工業(yè)大學(xué)的韓佳彤（2020 年）提出了一種基于機(jī)器視覺的測(cè)量方法用來解決道路車輛的高度測(cè)量問題[5]。目前，利用機(jī)器視覺對(duì)此汽車輪廓[6-7]以及汽車零部件[8]進(jìn)行尺寸檢測(cè)已經(jīng)有了較多的研究?，F(xiàn)階段機(jī)器視覺在測(cè)量方面的應(yīng)用越來越成熟[9-10]，但無人快遞機(jī)器人還很少運(yùn)用機(jī)器視覺技術(shù)來對(duì)快遞物品進(jìn)行輪廓測(cè)量，因此針對(duì)快遞物品的輪廓尺寸測(cè)量，文中采用機(jī)器視覺對(duì)物品的輪廓尺寸進(jìn)行了測(cè)量研究。

1 相機(jī)標(biāo)定

利用相機(jī)進(jìn)行測(cè)量所利用的圖像與物體自身有相對(duì)應(yīng)的關(guān)系，其模型為針孔成像模型，相機(jī)成像時(shí)會(huì)產(chǎn)生圖像畸變，圖像畸變會(huì)導(dǎo)致物體的形態(tài)大小發(fā)生變化、圖像失真、扭曲變形。為提高測(cè)量的準(zhǔn)確性需要對(duì)鏡頭畸變進(jìn)行校正[11-12]。

相機(jī)的標(biāo)定方法現(xiàn)階段主要包含線性標(biāo)定方法、非線性標(biāo)定方法以及張正友相機(jī)標(biāo)定方法等[113]。介于傳統(tǒng)與自標(biāo)定法之間的張正友相機(jī)標(biāo)定法是目前最為經(jīng)典的標(biāo)定方法之一。因此文中采用基于MATLAB 的張正友標(biāo)定法對(duì)相機(jī)進(jìn)行標(biāo)定。

標(biāo)定板棋盤方格的邊長(zhǎng)為17mm，標(biāo)定過程中為了保證其結(jié)果的真實(shí)性，分別從不同角度以及不同距離對(duì)標(biāo)定板進(jìn)行圖片采集。

2 物體輪廓的識(shí)別和測(cè)量

2.1 灰度化

利用相機(jī)拍攝的圖片一般以RGB 格式的彩色圖像保存在計(jì)算機(jī)中，RGB 格式的圖片有 R（紅色）、G（綠色）、B（藍(lán)色）三個(gè)顏色通道，每個(gè)通道的通道值都在0-255 范圍內(nèi)，而灰度圖像只有一個(gè)顏色通道，只反映該像素點(diǎn)的明亮程度，數(shù)值越大像素點(diǎn)就越白，越小就越黑，將圖像進(jìn)行灰度化能減少計(jì)算機(jī)的計(jì)算量[14]其轉(zhuǎn)換公式為式（1）所示：

2.2 圖像濾波

圖像濾波是為了在能夠保留目標(biāo)圖像細(xì)節(jié)特點(diǎn)的條件下，對(duì)目標(biāo)圖像的噪聲信號(hào)進(jìn)行抑制，圖像處理結(jié)果將對(duì)后面被處理的信號(hào)產(chǎn)生影響，是進(jìn)行圖像處理的重要一個(gè)步驟。濾波運(yùn)算能夠?qū)D像中被數(shù)字化摻雜的噪聲進(jìn)行去掉和減少，增大了圖像清晰度，對(duì)其視覺效果也進(jìn)行了優(yōu)化[15]。雙邊濾波作為一種非線性濾波器，以高斯濾波的基礎(chǔ)上，在此基礎(chǔ)上對(duì)像素間的數(shù)值差異進(jìn)行了考慮，利用周邊像素灰度值的加權(quán)平均值代替像素中的灰度值。以q 為中心的雙邊濾波可以表示為：

y（p）—噪聲像素；F—以 q 為中心的大?。?r+1）*（2r+1）的領(lǐng)域；w滓s—空間內(nèi)核；w滓r—值域內(nèi)核。其中空間內(nèi)核和值域內(nèi)核為：

2.3 邊緣檢測(cè)

邊緣性檢測(cè)技術(shù)就是視覺處理學(xué)中對(duì)圖形信息進(jìn)行處理的基本方法，一般適合應(yīng)用于對(duì)特征的提取以及對(duì)特征的檢測(cè)，其目標(biāo)主要是對(duì)各類數(shù)字圖像中明顯發(fā)生變化的地點(diǎn)進(jìn)行檢測(cè)。邊緣檢測(cè)可以使得需要進(jìn)行處理的圖像信息數(shù)據(jù)的工作量大大減小，對(duì)于與之相關(guān)的信息也進(jìn)行了刪除，保留為圖像主要組成部分。目前，常見的一階微分算子主要有 roberts 算子、sobel 算子、prewitt 算子。此外在機(jī)器視覺領(lǐng)域常見的檢測(cè)算子還有Laplacian 算子以及Canny 算子[16-17]。

文中采用了Canny 算法。Canny 算法在Sobel 算子基礎(chǔ)上又添加了高斯濾波、雙閥值邊緣點(diǎn)篩選以及非極大值抑制[18]。其基本思想為選擇一定的高斯濾波器對(duì)圖像作平滑處理，再進(jìn)行非極大值的抑制處理，最后得到邊緣圖像[19]。

3 系統(tǒng)實(shí)驗(yàn)

3.1 實(shí)驗(yàn)系統(tǒng)構(gòu)成

實(shí)驗(yàn)系統(tǒng)包括：操作系統(tǒng)：64 位Windows 10。相機(jī)：LeTMC-520，分辨率為1280*720/640*480 像素。計(jì)算機(jī)：CPU：1.6GHz 四核、內(nèi)存：4G、硬盤：500G、顯卡：AMD Radeon R6 M340DX。

3.2 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)對(duì)尺寸為8.3cm，寬為6.6cm，高為2.9cm 的小盒子進(jìn)行測(cè)量，由于長(zhǎng)度和寬度能夠表示小盒子特征以及能檢測(cè)測(cè)量系統(tǒng)的測(cè)量效果。故對(duì)小盒子的長(zhǎng)寬進(jìn)行了6 次測(cè)量，圖1 為物體尺寸測(cè)量效果圖，表1 為盒子的尺寸測(cè)量數(shù)據(jù)。

圖1 物體尺寸測(cè)量效果圖

表1 盒子尺寸測(cè)量數(shù)據(jù)

3.3 實(shí)驗(yàn)結(jié)果及誤差分析

經(jīng)過6 次對(duì)盒子的測(cè)量，由表1 可知其平均測(cè)量長(zhǎng)度為8.67cm，平均測(cè)量寬度為7.42cm。其長(zhǎng)度誤差為4.27%，寬度誤差為11%。

通過對(duì)整個(gè)實(shí)驗(yàn)過程進(jìn)行分析，引起該實(shí)驗(yàn)系統(tǒng)出現(xiàn)測(cè)量誤差主要有以下幾方面原因：

3.3.1 LeTMC-520 相機(jī)自身誤差

在測(cè)量系統(tǒng)的工作中，攝像機(jī)內(nèi)部的大多數(shù)電子元件都是電阻元器件，在工作時(shí)會(huì)產(chǎn)生熱電子噪聲，即使通過圖像濾波和對(duì)小盒子多次測(cè)量取平均值可以進(jìn)行減噪，但是長(zhǎng)時(shí)間運(yùn)作還是會(huì)影響測(cè)量精度。

3.3.2 系統(tǒng)誤差

通過視覺來對(duì)物品尺寸進(jìn)行測(cè)量，測(cè)量過程是通過成像原理中的函數(shù)對(duì)應(yīng)關(guān)系來進(jìn)行的。因此在圖像處理過程中的相關(guān)計(jì)算都有可能會(huì)帶來誤差，該誤差是系統(tǒng)誤差，無法通過多次測(cè)量對(duì)誤差進(jìn)行消除。

3.3.3 測(cè)量誤差

在利用相機(jī)進(jìn)行測(cè)量時(shí)，相機(jī)與待測(cè)量物品的距離以及測(cè)量的角度都會(huì)對(duì)測(cè)量結(jié)果產(chǎn)生影響。通過實(shí)驗(yàn)發(fā)現(xiàn)角度的影響對(duì)于測(cè)量精度的影響較大，相機(jī)正對(duì)物品時(shí)測(cè)量尺寸更準(zhǔn)確，當(dāng)角度有傾斜時(shí)測(cè)量誤差較大。

通過對(duì)測(cè)量結(jié)果的分析發(fā)現(xiàn)，利用該測(cè)量系統(tǒng)對(duì)于測(cè)量的數(shù)據(jù)都比實(shí)際的尺寸偏大了一定范圍，測(cè)量盒子長(zhǎng)度測(cè)量偏大4.27%，寬度尺寸偏大11%。因此對(duì)于文中測(cè)量系統(tǒng)的測(cè)量值加了一個(gè)修正系數(shù)，讓其在測(cè)量數(shù)據(jù)的基礎(chǔ)上進(jìn)行一定比例修正，使其降低測(cè)量誤差使其測(cè)量結(jié)果更為準(zhǔn)確。進(jìn)行修正之后在對(duì)盒子進(jìn)行了6 次測(cè)量，測(cè)量效果圖如圖2 所示，測(cè)量的具體數(shù)據(jù)如表2 所示。由表2 可知其平均測(cè)量長(zhǎng)度為8.26cm，其平均測(cè)量寬度為6.72cm。修正之后長(zhǎng)度測(cè)量誤差縮減至0.48%，寬度測(cè)量誤差縮減至1.77%。從測(cè)量數(shù)據(jù)說明添加修正系數(shù)提高了測(cè)量準(zhǔn)確性。

圖2 修正后尺寸測(cè)量效果圖

表2 修正后盒子尺寸測(cè)量數(shù)據(jù)

4 結(jié)論與展望

①文中提出了一種基于機(jī)器視覺的單目相機(jī)物品尺寸測(cè)量方法，實(shí)現(xiàn)了單目相機(jī)對(duì)物品尺寸的測(cè)量。其精度滿足在無人快遞機(jī)器人的使用。

②文中的創(chuàng)新點(diǎn)在于將機(jī)器視覺應(yīng)用到了無人快遞機(jī)器人上，使其能對(duì)物品進(jìn)行尺寸的測(cè)量，根據(jù)測(cè)量結(jié)果，推薦合適的快遞包裝盒，提高了無人快遞機(jī)器人的智能程度。

③文中實(shí)驗(yàn)在相機(jī)與物品垂直的視覺方向測(cè)量效果較為理想，在相機(jī)與測(cè)量物體有一定傾斜角的時(shí)候測(cè)量效果還不夠理想。

受實(shí)驗(yàn)設(shè)備的影響，現(xiàn)有設(shè)備的測(cè)量速度較慢。在后續(xù)應(yīng)用中還需要提高計(jì)算機(jī)的運(yùn)算能力；對(duì)于有傾斜角度的測(cè)量目前測(cè)量效果不理想，后續(xù)應(yīng)用中還需優(yōu)化算法，降低傾斜角度對(duì)測(cè)量的影響。