基于霍夫變換和Canny 算子的表殼中心定位方法

劉雙龍，金曉怡，范瑜，奚鷹

（1.201620 上海市 上海工程技術(shù)大學(xué) 機(jī)械與汽車工程學(xué)院；2.201804 上海市 同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院）

0 引言

機(jī)器視覺發(fā)展至今，已不是單一的應(yīng)用產(chǎn)品。機(jī)器視覺的軟硬件產(chǎn)品已逐漸成為生產(chǎn)制造各個(gè)階段的必要部分，這對(duì)系統(tǒng)的集成性提出了更高的要求[1-2]。企業(yè)需要能夠與測(cè)試或控制系統(tǒng)協(xié)同工作的一體化工業(yè)自動(dòng)化系統(tǒng)，而非獨(dú)立的視覺應(yīng)用[3]。在現(xiàn)代自動(dòng)化生產(chǎn)過程中，機(jī)器視覺系統(tǒng)廣泛用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。

工業(yè)領(lǐng)域中，視覺定位可以實(shí)現(xiàn)目標(biāo)產(chǎn)品的自動(dòng)化，例如，搬運(yùn)、定位、焊接等[4]。市面上MATLAB、OpenCV、LabVIEW、HALCON 等成熟的軟件都可用于視覺定位。視覺定位方法有很多，按傳感器的數(shù)量多少可分為單目視覺定位、雙目視覺定位以及全方位視覺定位[5]。當(dāng)前，學(xué)者們較多研究的還是單目視覺定位算法，本文中也選擇了單目識(shí)別進(jìn)行手表表殼中心定位。

1 視覺系統(tǒng)設(shè)計(jì)與搭建

完整的視覺系統(tǒng)包括4 個(gè)主要部分：光學(xué)系統(tǒng)、圖像采集設(shè)備、圖像處理系統(tǒng)和執(zhí)行系統(tǒng)。在開發(fā)圖像處理算法之前，設(shè)計(jì)和構(gòu)建合適的機(jī)器視覺系統(tǒng)是很有必要的。一個(gè)好的視覺系統(tǒng)可以減少環(huán)境對(duì)圖像采集系統(tǒng)的干擾，并且能夠簡化圖像處理算法，降低對(duì)算法處理隨機(jī)噪聲的系統(tǒng)要求。

1.1 圖像采集設(shè)備

圖像采集設(shè)備一般選用工業(yè)相機(jī)或者支持二次開發(fā)的攝像頭。二者當(dāng)中，工業(yè)相機(jī)支持超高清晰度圖像的采集，但由于本文中的視覺算法對(duì)清晰度的要求不是很高，所以選定性價(jià)比較高的銳爾威視的RERUSB100W03M型攝像頭做圖像采集設(shè)備，其最高有效像素為1 280（H）×720（V），支持幀率是30 fps。

1.2 圖像處理系統(tǒng)

本文選用的圖像處理硬件系統(tǒng)為聯(lián)想G50-80筆記本電腦，使用Visual Studio 2017 編譯環(huán)境配置OpenCV 4.1.2。圖像采集設(shè)備與圖像處理系統(tǒng)，即攝像頭與電腦之間采用USB3.0 High Speed 接口連接，實(shí)現(xiàn)圖像數(shù)據(jù)交換。

1.3 執(zhí)行系統(tǒng)

本研究僅涉及機(jī)器視覺的算法部分，而依照工廠實(shí)際要求，每個(gè)手表殼的中心坐標(biāo)及偏轉(zhuǎn)角度是需要獲得的主要信息，由視覺系統(tǒng)向后續(xù)執(zhí)行系統(tǒng)提供。執(zhí)行系統(tǒng)的搭建不在本文的討論范圍之內(nèi)。

1.4 光學(xué)系統(tǒng)

光學(xué)系統(tǒng)提供與工況相似的照明環(huán)境，以便收集工件的圖像信息。圖像采集設(shè)備會(huì)受到工廠內(nèi)光照條件和人員移動(dòng)等因素的影響，造成拍照環(huán)境不穩(wěn)定，并且很可能會(huì)進(jìn)一步干擾圖像處理的結(jié)果。

另外，光學(xué)系統(tǒng)也是為了保證視覺系統(tǒng)識(shí)別任務(wù)的準(zhǔn)確性和穩(wěn)定性。本文中的手表殼表面還沒有經(jīng)過拋光處理，所以需要利用良好的照明來提高亮度。本文應(yīng)用的算法僅需分辨手表殼輪廓，對(duì)采集到的圖像質(zhì)量要求不高，所以選用白色光源為表殼載物盤照明。

2 表殼中心坐標(biāo)識(shí)別方法設(shè)計(jì)

2.1 表殼中心識(shí)別算法原理

表殼圖像的獲取主要通過工業(yè)攝像機(jī)拍攝獲得，圖1 所示為工業(yè)攝像機(jī)拍攝的工廠實(shí)際圖。每個(gè)載物盤上分別有4×4=16 個(gè)待加工表殼的放置點(diǎn)，為準(zhǔn)確表達(dá)每個(gè)表殼的實(shí)際坐標(biāo)，可將橫向記為x軸、縱向記為y軸。

圖1 工廠車間表殼樣品擺放圖Fig.1 Shop floor sample layout

圖像分析利用數(shù)學(xué)模型，結(jié)合圖像處理技術(shù)，分析底層特征和上層結(jié)構(gòu)，從而提取具有一定智能信息的數(shù)據(jù)。本文需要提取各表殼中心坐標(biāo)以及每個(gè)表殼相對(duì)于自己坐標(biāo)中心的偏轉(zhuǎn)角度。

用V表示一個(gè)表殼中所有邊緣像素的集合。若隨機(jī)從V中選擇3 個(gè)像素，這3 個(gè)像素有可能是從圓中選擇出來的。假設(shè)很多被選擇的3 個(gè)像素集合都是從同一個(gè)圓上選擇的，那么就有很大概率這個(gè)圓是真正的圓。通過循環(huán)運(yùn)算實(shí)現(xiàn)圓的數(shù)據(jù)并不斷迭代，從而從累加器中找到潛在的圓形。本文使用的算法，隨機(jī)一次選擇4 個(gè)邊緣像素，并定義一個(gè)判據(jù)距離來尋找一個(gè)可能的圓形，具體過程如下：

第1 步：存儲(chǔ)全部邊緣像素vi=（xi，yi）進(jìn)入集合V，同時(shí)初始化記錄失敗次數(shù)的計(jì)數(shù)器f為0。讓Tf，Tmin，Ta，Td和Tr作為給定的5 個(gè)初始值。其中Tf為能容忍的失敗次數(shù)。如果V中像素比Tmin小，則停止檢測(cè)圓形的任務(wù)。在任意位于潛在圓上的兩個(gè)中介像素間的距離應(yīng)該比Ta更大。Td和Tr是距離臨界值和比率臨界值。此外，讓│V│表示仍存留于V中的便算像素?cái)?shù)量；

第2 步：如果f=Tf或者│V│＜Tmin，然后停止，否則，將從集合V中隨機(jī)選擇4 個(gè)點(diǎn)vi（i=1，2，3，4），在vi被選擇的情況下，設(shè)定集合V=V-{vi}。

第3 步：從4 個(gè)邊緣像素中選擇潛在的圓，使任意在3 個(gè)中介像素中的2 個(gè)間的距離比Ta大，4個(gè)在潛在圓邊緣上的像素的間距比Td大。如果滿足，進(jìn)入第4 步，否則將vi（i=1，2，3，4）點(diǎn)放回V集合，重置f:=f+1，返回第2 步。

第4 步：假設(shè)Cijk是潛在的圓，設(shè)定計(jì)數(shù)器C為0。對(duì)于任何一個(gè)V集合中的元素vi，檢查dl→ijk是否不比給定的間距臨界值Td更大。如果是的話C:=C+1，同時(shí)從V集合中將vk取出。在檢測(cè)所有V集合中的邊緣像素之后，假設(shè)C=np，也即邊緣像素np滿足dl→ijk≤Td。

第5 步：如果np≥2πrijkTr，進(jìn)入第6 步。否則認(rèn)為潛在的圓是個(gè)假圓，將這些邊緣像素np放回V，重置f:=f+1，返回第2 步。

第6 步：潛在的圓Cijk已經(jīng)被檢測(cè)為真正的圓，將f置為0，返回第2 步。

2.2 表殼中心識(shí)別算法實(shí)現(xiàn)

在進(jìn)行表殼中心坐標(biāo)識(shí)別之前，為了消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性、最大限度地簡化數(shù)據(jù)，一般需要對(duì)其進(jìn)行預(yù)處理。通過圖像預(yù)處理，可以改進(jìn)特征提取、圖像分割、匹配和識(shí)別的可靠性[6]。

經(jīng)過預(yù)處理，下一步需要對(duì)每一個(gè)表殼的圖像進(jìn)行單獨(dú)分析，包括中心坐標(biāo)識(shí)別和偏轉(zhuǎn)角度。通過以上分析，確定表殼中心坐標(biāo)，算法操作流程如圖2 所示。

圖2 圖像操作流程Fig.2 Image operation flow

在進(jìn)行圖像預(yù)處理時(shí)，調(diào)用OpenCV 函數(shù)庫中的cv2.THRESH_OTSU，使用OTSU 算法選擇最優(yōu)閾值，搭配cv2.THRESH_TOZERO 語法提取出圖像中的所有表殼特征，經(jīng)過彩色閾值處理后的圖像如圖3 所示。

圖3 彩色閾值處理后的圖像Fig.3 Color thresholded image

接下來，對(duì)每個(gè)表殼分別進(jìn)行圖像二值化處理，二值化處理后的圖像如圖4 所示。為了進(jìn)一步提取圖像中的有用信息。對(duì)上述操作后的表殼圖像進(jìn)行Canny 邊緣檢測(cè)[7-8]，獲取到的表殼邊緣輪廓圖像如圖5 所示。

圖4 二值化處理后的圖像Fig.4 Image after binarization processing

圖5 Canny 算法得到的輪廓圖像Fig.5 Outline image by Canny algorithm

對(duì)于表殼的邊緣輪廓圖像可以調(diào)用OpenCV 函數(shù)庫中的cv2.HoughCircles()，即霍夫算法（Hough算法）[9]，然后采用cv2.HOUGH_GRADIENT 語法檢測(cè)出輪廓圖像中的圓形。對(duì)檢測(cè)圓形中的每一個(gè)非0 點(diǎn)，通過Sobel 算法[10]計(jì)算局部梯度。計(jì)算得到的梯度方向，實(shí)際上就是圓切線的法線，圓的中心坐標(biāo)亦得。

根據(jù)最大圓半徑與中心圓半徑繪制一個(gè)合適大小的輔助圓，獲得表殼與該圓相交的8 個(gè)點(diǎn)，再由這8 個(gè)點(diǎn)擬合出表殼中心線的位置。受噪聲影響，有時(shí)獲得的最大圓半徑并不能與表殼相交產(chǎn)生8 個(gè)點(diǎn)，對(duì)表殼的中心線位置產(chǎn)生些許影響。圖6 和圖7 為上述方法繪制的輔助圓以及最后求得的表殼偏轉(zhuǎn)角度。

圖6 輔助圓交點(diǎn)得到的中心線Fig.6 Centerline obtained from intersection of auxiliary circles

圖7 最后擬合的中心線Fig.7 Centerline of final fitting

最后，為了能夠直觀觀察表殼中心坐標(biāo)識(shí)別算法的處理結(jié)果，編寫一段輸出程序，使得算法運(yùn)行成功后，輸出一張帶有每個(gè)表殼中心圓和中心點(diǎn)的閾值圖像，如圖8 所示。

圖8 算法處理輸出圖像Fig.8 Algorithm processing output image

3 表殼中心坐標(biāo)識(shí)別方法準(zhǔn)確率驗(yàn)證

首先，在搭建完成的機(jī)器視覺硬件系統(tǒng)中，對(duì)擺放位置和角度隨機(jī)的手表殼載物盤進(jìn)行50 次拍照，獲得50 張待檢測(cè)的實(shí)驗(yàn)圖像，作為表殼中心定位算法的檢測(cè)數(shù)據(jù)。

向Visual Studio 2017 平臺(tái)上編寫好的表殼中心坐標(biāo)識(shí)別代碼中輸入50 張實(shí)驗(yàn)圖像，并根據(jù)本文介紹的方法對(duì)圖像中表殼的中心進(jìn)行定位，然后觀察50 張經(jīng)過算法處理后的輸出圖像，中心定位的實(shí)際情況可用人眼直接判斷，與算法輸出的結(jié)果進(jìn)行對(duì)比。

通過50 張圖像的算法識(shí)別結(jié)果和表殼中心坐標(biāo)實(shí)際情況對(duì)比，得到算法在50 張圖像中對(duì)表殼中心定位的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果見表1。

表1 表殼中心定位算法準(zhǔn)確率檢測(cè)數(shù)據(jù)Tab.1 Accuracy detection data of shell center positioning algorithm

4 結(jié)語

針對(duì)手表殼工件的中心定位任務(wù)，本論文搭建了一套單目機(jī)器視覺系統(tǒng)，模擬實(shí)際情況對(duì)手表殼工件拍照；然后對(duì)獲得的表殼圖像進(jìn)行濾波處理、灰度處理以及表殼中心位置的確定；基于OTSU 算法對(duì)表殼圖像進(jìn)行彩色閾值分割，利用該閾值對(duì)圖像二值化處理后，再進(jìn)行Canny 邊緣檢測(cè)，獲得表殼邊緣輪廓信息；運(yùn)用Hough 算法檢測(cè)表殼輪廓中的圓，確定圓心坐標(biāo)后，再通過擬合求得表殼的中心線位置。本算法避免了大量的數(shù)值排序和迭代計(jì)算，大大提高了運(yùn)算速度。最后，使用50 張擺放位置和角度隨機(jī)的手表殼載物盤作為實(shí)驗(yàn)圖像，對(duì)本算法進(jìn)行準(zhǔn)確率驗(yàn)證，從驗(yàn)證結(jié)果可知，本算法對(duì)手表殼中心定位的準(zhǔn)確率接近100%，完全能夠滿足實(shí)際生產(chǎn)的任務(wù)要求。