傳送帶上運動(dòng)物品的動(dòng)態(tài)圖像捕捉和幾何參數測
加入技術(shù)交流群
關(guān)鍵詞：視頻捕捉 圖像恢復 在線(xiàn)測量
1 引 言
在自動(dòng)化生產(chǎn)過(guò)程中，傳送帶和物流系統是生產(chǎn)線(xiàn)的重要組成部分。通常情況下為了實(shí)現物品的分類(lèi)處理或完成產(chǎn)品的質(zhì)量控制等，我們需要了解物品的某些細節情況如幾何參數，因此，基于圖像處理的測量方法得到越來(lái)越多的應用。測量方式主要有靜態(tài)和動(dòng)態(tài)兩種，靜態(tài)是指目標對象相對攝像機靜止，用這種方式可以獲得清晰的圖像，而動(dòng)態(tài)方式下則得不到清晰的圖像。
在某些場(chǎng)合下，無(wú)法獲得靜態(tài)圖像，而運動(dòng)目標的成像又會(huì )造成圖像質(zhì)量的下降, 為避免出現圖像的降質(zhì)，或者考慮到其它因素如機械傳動(dòng)系統、運動(dòng)特性等，我們一般采用運動(dòng)狀態(tài)下的圖像捕捉和處理的方法。雖然采用平穩運動(dòng)系統可以減少傳動(dòng)過(guò)程中的振動(dòng)，提高系統的運轉效率，簡(jiǎn)化系統的設計，但同時(shí)圖像處理的時(shí)間也會(huì )加長(cháng)。
本文將動(dòng)態(tài)的圖像測量方法應用于羽毛球生產(chǎn)過(guò)程中的毛片彎度等參數的測量，介紹了整個(gè)系統的組成和運行的情況，并提供了過(guò)程的主要結果。
2 運動(dòng)圖像的恢復原理
了解運動(dòng)圖像的恢復原理，首先應了解圖像的運動(dòng)模型。
根據Gonzalez水平圖像運動(dòng)模型〔1〕，設原圖像為f（x，y），在曝光時(shí)間T內原圖像沿水平方向移動(dòng)距離為a，移動(dòng)速度恒定且曝光線(xiàn)性，則
這是一個(gè)遞推關(guān)系式，說(shuō)明當前位置的恢復圖像可以由離當前位置a處的恢復圖像推算得出，模糊圖像g（x）的導數總可以求得。只要求出長(cháng)度為a的圖像，整個(gè)圖像都可以根據上述遞推關(guān)系獲得。
設m為x／a的整數部分，恢復圖像可以由下式近似得出〔2〕
圖像恢復的質(zhì)量取決于恢復關(guān)系式中各參數的選取。A和γ對恢復圖像的背景和對比有影響，而a對恢復圖像的質(zhì)量起決定作用。通常情況下采用搜索方法獲得合適的值。在參考文獻〔2〕中采用均方誤差準則下實(shí)現自動(dòng)搜索的方法。本文的測量環(huán)境下，由于運動(dòng)速度恒定，參數a一旦確定后當作一個(gè)參數來(lái)處理。
3 基于圖像處理的幾何參數計算
3．1 羽毛球毛片參數
羽毛球質(zhì)量的重要指標是其飛行的穩定性，即在飛行中不出現搖擺或變線(xiàn)。羽毛球飛行的氣動(dòng)機理十分復雜，這里不作研究。只要能保證形狀相同的毛片插在同一個(gè)球上，則在正常工序下生產(chǎn)出來(lái)的羽毛球就會(huì )具有良好的飛行穩定性。傳統的測量方法不僅速度慢而且?jiàn)A具對軟性材料的測量結果產(chǎn)生影響。本文嘗試利用圖像捕捉設備對傳送帶上的毛片進(jìn)行動(dòng)態(tài)捕捉和處理，獲得毛片的形狀參數后按形狀參數分檔，保證具有相同形狀的16根毛片插在同一個(gè)羽毛球上。
毛片的主要幾何參數有毛桿的彎度、拱度和毛桿頂部的粗細等。這里的彎度指的是毛桿中心線(xiàn)與其切線(xiàn)在頂部位置處的水平距離，拱度為毛片在平放時(shí)的拱高。這里主要介紹彎度的測量方法，先提取毛桿的邊緣并計算中心位置，然后擬合毛桿中心線(xiàn)，最后計算彎度值。在此過(guò)程中粗細也同時(shí)得出。
3．2 圖像的邊緣提取和邊緣數據的采集
物體的邊緣在圖像上反映出局部特性的不連續性。理想的邊緣有階躍型、房頂型和凸緣型，由于圖像噪聲的存在，實(shí)際的邊緣變得十分復雜?！?BR> 邊緣檢測通常采用微分類(lèi)算子實(shí)現。這類(lèi)算子有Sobel算子、Kirsh算子和Laplacian算子等，前兩個(gè)算子為梯度算子，后者為二階微分算子。Sobel梯度算子在兩個(gè)方向上選取微分大的值作為其梯度值，顯然當兩個(gè)方向上微分值大小相等時(shí)梯度的誤差最大；而Kirsh則在八個(gè)方向上計算微分并以最大制作為梯度值〔3〕，算子法的計算結果作為邊緣判別的依據；Laplacian算子則是不依賴(lài)邊緣方向的二階算子，具有旋轉不變性。
由于微分類(lèi)算子的固有特性，邊緣檢測都會(huì )受到噪聲影響。采用濾波方法可以有效地抑制噪聲的干擾，但同時(shí)也給邊緣產(chǎn)生一定程度的鈍化，這種鈍化作用會(huì )影響邊緣的提取 ，因此關(guān)鍵在于濾波方案的選擇。上述微分類(lèi)算子都采用了濾波方法 。Sobel算子采用了三點(diǎn)加權平均，當邊緣在水平或豎直方向時(shí)，實(shí)際的濾波沿著(zhù)邊緣進(jìn)行，因此濾波對邊緣的鈍化作用最??；而當邊緣在45°或135°方向時(shí)，濾波點(diǎn)與邊緣在方向上相差最大，此時(shí)濾波對邊緣的鈍化作用也最大。因此，選擇與邊緣較為一致的核（kernel）能在噪聲抑制和邊緣保持方面獲得滿(mǎn)意的結果。
3．3 毛片參數測量
從圖像處理獲得的毛桿形狀會(huì )因為圖像噪聲和測量環(huán)節的誤差而帶有毛刺，通過(guò)處理得到的毛桿中心往往不光滑而且會(huì )出現不連續點(diǎn)。
曲線(xiàn)上某一點(diǎn)的切線(xiàn)用相近兩點(diǎn)的連線(xiàn)來(lái)近似。當兩點(diǎn)的距離接近時(shí)，連線(xiàn)就可以看作切線(xiàn)。這一方法實(shí)現時(shí)簡(jiǎn)單，但在噪聲環(huán)境下測量結果誤差非常大。本文采用的方法是將毛桿中心上采樣得到的有限個(gè)點(diǎn)進(jìn)行曲線(xiàn)擬合，然后從擬合后的曲線(xiàn)獲得某一點(diǎn)的切線(xiàn)，并計算出毛片的彎度。
曲線(xiàn)擬合采用多項式的最小二乘法。對每一根毛桿，沿著(zhù)Y方向選取N組坐標（Xi ，Yi），以X作為變量，Y為自變量選定曲線(xiàn)的方程為
對上述線(xiàn)性方程組，可獲得多項式系數。
最后要考慮的問(wèn)題是拱度對彎度的視角修正。每根羽毛都存在不同程度的拱度，而在彎度測量時(shí)將毛桿投影在水平面內進(jìn)行測算，因此不同視角下同一彎度的毛片存在測量值的差異 。視角修正的目的在于還原實(shí)際的參數。
4 動(dòng)態(tài)圖像捕捉和幾何參數測量在羽毛分揀中的應用
4．1 測量系統組成
羽毛幾何參數動(dòng)態(tài)測量系統包括以下幾個(gè)部分：（1）傳送帶。由穩速電機驅動(dòng)，使擺放在上面的羽毛能夠以恒定速度平穩進(jìn)入攝像區域。采用減振機構以減少傳送帶的上下振動(dòng)。（2）攝像頭和視頻捕捉設備。圖像捕捉部分由攝像頭、捕捉卡和計算機組成。采用480線(xiàn)CCD攝像頭、精工16mm手動(dòng)光圈鏡頭和LifeView視頻捕捉卡，攝像及捕捉速度為15～30fps，設計傳送帶移動(dòng)速度為每幀2s。（3）圖像處理軟件及計算機。圖像處理軟件包括運動(dòng)補償濾波，圖像特征參數提取，毛桿輪廓擬合和圖像參數輸出。計算機采用PⅢ微機。
圖像特征參數來(lái)源于毛桿邊緣輪廓及中心位置的提取。邊緣提取采用微分類(lèi)算子檢測。由于毛桿邊緣方向通常在豎直方向附近的一個(gè)小范圍內變化，根據實(shí)際毛片的擺放情況毛桿邊緣方向一般在豎直偏左右10°以?xún)?，因此采?×3豎向的條形核。
毛桿中心線(xiàn)的擬合采用前面敘述的方法，沿毛桿頂部到根部選取15個(gè)點(diǎn)，擬合出三階多項式的四個(gè)系數。事實(shí)上，三階多項式對毛桿的彎度計算已經(jīng)足夠。
在實(shí)時(shí)測量中，處理的速度尤為重要，它將影響整個(gè)系統的效率和效益。根據上述分析，運動(dòng)圖像的恢復只需要在有限行進(jìn)行，這樣能夠減少圖像恢復所需要的時(shí)間。
減少計算時(shí)間的主要途徑是采用遞推關(guān)系。由（4）式可知，恢復圖像是以寬度a分組的，各組內相同位置的點(diǎn)進(jìn)行累加實(shí)現恢復運算。在編程時(shí)，開(kāi)辟a個(gè)單元存貯，將會(huì )節省大量時(shí)間。
為提高處理的速度，在視頻圖像捕捉時(shí)將圖像轉存到內存，并由程序訪(fǎng)問(wèn)已存圖像完成處理運算。這樣可以避免外設訪(fǎng)問(wèn)，減少一個(gè)循環(huán)內的處理時(shí)間。
4．2 主要結果
對傳送帶上均勻擺放的毛片進(jìn)行動(dòng)態(tài)捕捉后獲得模糊的圖像，如圖2所示。捕捉的時(shí)刻由傳送帶定位裝置觸發(fā)產(chǎn)生。中間部分為恢復后的圖像，這里A取50，a為15。a的大小可以由實(shí)驗方法獲得，也可以由估計得出〔4〕。右邊為彎度測量結果的情況 ，實(shí)際上用作系統調試時(shí)作參考，如鏡頭光圈設定、處理中閾值設定等。在實(shí)際應用中，圖像的恢復和參數計算作為一個(gè)任務(wù)執行，恢復圖像作為中間結果不在屏幕上出現。
在圖像恢復方面，采用前面介紹的圖像恢復方法能夠獲得比較清晰的圖像，但也存在較大的噪聲，這一噪聲顯然與差分運算有關(guān)。毛桿的參數測量也會(huì )受到噪聲的影響，但在5×3豎向核的濾波作用下將會(huì )得到一定程度的改善。黑色背景中存在較大的噪聲，這主要是由CCD的電子噪聲引起的。采用適當的門(mén)限值抑制低亮度下的噪聲能夠獲得好的效果。這樣得到的測量結果與靜態(tài)條件下的結果較為接近，能滿(mǎn)足毛片參數測量及分揀方面的要求。
參 考 文 獻
1 Gonzalez R，Woods R．DigitalImage Processing．Ad－dison－Wesley Publishing，19922 陸俊，舒志龍，阮秋琦．基于尺度旋轉的圖像恢復研究．通信學(xué)報，2000年7期
3 Castleman K R．DigitalImage Processing．北京：清華大學(xué)出版社，1998
4 Tekalp A M．數字視頻處理．北京：電子工業(yè)出版社，1998 全息投影相關(guān)文章:全息投影原理
評論