劃片機視覺(jué)識別系統設計原理分析

劃片機視覺(jué)識別系統設計原理分析

1 視覺(jué)識別系統構成

劃片機的視覺(jué)識別系統是以計算機為主的實(shí)時(shí)圖像處理系統。如圖1所示：

由光學(xué)照明系統，CCD攝像器件，圖像處理軟件等部分組成。



識別系統的目的是實(shí)現自動(dòng)對準，在工作臺精度保證的前提下，高精度的圖象處理算法對視覺(jué)自動(dòng)對準系統的精度起著(zhù)決定性的作用，這當中的核心部分就是模式識別算法。目前常用的識別方法有統計模式識別法、特征提取法、神經(jīng)網(wǎng)絡(luò )識別、模板匹配法等。國內在這一領(lǐng)域起步相對較晚，科研力量主要集中在一些高校院所，側重于理論研究，市場(chǎng)化效應不太明顯。這就使得在機器視覺(jué)領(lǐng)域的發(fā)展速度上明顯落后于歐美各國。

2 技術(shù)路線(xiàn)選擇

針對國內外現狀，我們在著(zhù)手建立劃片機自己的視覺(jué)識別技術(shù)構架時(shí)，出發(fā)點(diǎn)就擺在一個(gè)怎樣根據設備自身特點(diǎn)，盡量利用現有成熟資源和理論算法，建立一個(gè)集效率和實(shí)用于一體的視覺(jué)算法集，進(jìn)而形成針對全自動(dòng)劃片機自己的機器視覺(jué)庫。

通過(guò)嘗試過(guò)多種方式，包括和國外機器視覺(jué)公司合作，根據特定功能模塊要求定制其成套視覺(jué)識別系統等。但是遇到的問(wèn)題是必須承擔國外公司昂貴的開(kāi)發(fā)成本和高額利潤，導致設備成本直線(xiàn)升高，而且在合作的過(guò)程中極有可能泄露我們自己的技術(shù)秘密。實(shí)踐檢驗這條路子是不可行的。購買(mǎi)國外視覺(jué)公司的軟件開(kāi)發(fā)包，進(jìn)行二次開(kāi)發(fā)較上種方式更為合適，技術(shù)難度也較小。然而也面臨著(zhù)軟件開(kāi)發(fā)包針對性不強，實(shí)際使用過(guò)程中效果并不完全符合現場(chǎng)要求，單臺設備成本提高及出現問(wèn)題無(wú)法解決等情況。經(jīng)過(guò)不斷摸索，以及對當今業(yè)界幾種通用算法的比較后，我們最終決定在全自動(dòng)劃片機上采用基于Open CV視覺(jué)函數庫的模板幾何特征匹配算法。

Open CV是英特爾開(kāi)源計算機視覺(jué)庫，是一個(gè)跨平臺的由中、高層API構成的視覺(jué)函數庫。它由一系列C函數和少量c++類(lèi)構成，實(shí)現了圖像處理和計算機視覺(jué)方面的很多通用算法，這就避免了我們在一些成熟低水平算法上的重復研究，節省了大量時(shí)間。更重要的是它對非商業(yè)用途和商業(yè)用途都是免費(FREE)的，不會(huì )對我們的設備成本造成壓力。而模板的幾何特征匹配是20世紀90年代后期在市場(chǎng)上出現的一種新的視覺(jué)定位技術(shù)。據了解，目前世界許多著(zhù)名的半導體設備廠(chǎng)商包括日本DISCO，東京精密，美國K＆s等都在其主要設備視覺(jué)領(lǐng)域采用了與此相關(guān)的技術(shù)。與傳統的灰度級匹配不同，幾何特征匹配通過(guò)設置興趣域并學(xué)習興趣域內的物體幾何特征，然后在圖像內尋找相似形狀的物體，它不依賴(lài)于特殊的像素灰度，從原理上保證了它具有優(yōu)于傳統視覺(jué)定位算法的一些特點(diǎn)。該算法在全自動(dòng)劃片機的研制過(guò)程中得到了驗證。這種技術(shù)的應用，提高了全自動(dòng)劃片機的視覺(jué)識別效率和自動(dòng)對準能力，使得在改變工件角度、尺寸、明暗度等條件的情況下，仍能精確定位物體，實(shí)現自動(dòng)對準劃切。

3 識別系統設計

3.1 設計流程

視覺(jué)識別系統的設計結構大都基本相似，關(guān)鍵在于識別算法的選擇，劃片機視覺(jué)識別系統設計結構流程如圖2所示：

在該算法的應用過(guò)程當中，考慮到劃片機工作現場(chǎng)的實(shí)際情況，為了有效地提取預存模板圖像的特征點(diǎn)，我們對獲取的劃切工件模板圖像進(jìn)行了預處理，以便提取出圖像當中的幾何特征，這些預處理主要包括減小和濾除圖像中的躁聲、增強圖像中待匹配的幾何特征點(diǎn)等。這其中濾波和分割是提取預模板圖像幾何特征前的兩個(gè)重要步驟。

3.2 濾波器設計原理

一般來(lái)說(shuō)，現場(chǎng)躁聲在圖像中都表現為高頻信號，因此一般的濾波器都是通過(guò)減弱和消除傅立葉空間中的高頻分量來(lái)達到濾波的目的。然而，待劃切工件中的各種結構細節，如：邊緣和角，也都屬于高頻分量，因此，如何在濾除躁聲的同時(shí)最大限度地保留圖像中的結構特征，一直是圖像濾波研究中的主要方向。

線(xiàn)性濾波器有移動(dòng)平均濾波器和高斯濾波器等，非線(xiàn)性濾波器中最常用的有中值濾波器和SUSAN(Smallest Univalue Segment Assimilating Nucleus)濾波。其中SUSAN濾波可以在濾除圖像躁聲的同時(shí)很好保存物體的其他結構特征。能夠滿(mǎn)足全自動(dòng)劃片機自動(dòng)對準系統中對定位模板圖像進(jìn)行躁聲平滑的效果要求。SUASN方法是一類(lèi)圖像處理算法的總稱(chēng)，包括濾波，邊緣提取，角點(diǎn)提取，所有這些算法的基本原理都是相同的。

SUSAN濾波實(shí)質(zhì)上是加權平均的均值濾波，相似度測試函數為它的加權因子。式(1)定義了相似度測試函數，它衡量了像素S[i,j]與其領(lǐng)域內各像素S[i-m，j-n](m，n為偏移量)之間的相似程度?？梢钥闯觯合嗨贫葴y量函數不僅比較了S[i-m，j-n]和S[i，j]灰度值的差異，而且還考慮了S[i-m，j-n]與S[i,j]之間距離的影響。

式中：S[i-m，j-n]，S[i,j]為像素的灰度值，T是衡量灰度值相似程度的閥值，其取值對濾波結果影響較小。其中：θ可認為是高斯平滑濾波器的方差，θ取較大的值可以得到較好的平滑效果，θ取較小的值能保持圖像中的細節，經(jīng)過(guò)多次實(shí)驗，我們認為取4.O較為合適。

相似度測量函數定義的濾波函數如式(2)：

式中：S，[i，j]是像素濾波后的灰度值。由式(2)可知，相似度大的權值就大，因此對濾波結果的影響較大，相反則影響較小。SUSAN濾波不包括中心點(diǎn)本身，可以有效的去除脈沖躁聲。