基于機(jī)器視覺的零件測量系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)目錄TOC\o"1-3"\h\u12407摘要 223321第1章緒論 336371.1課題研究背景及意義 3282341.2視覺檢測技術(shù)概述 4272611.3視覺檢測技術(shù)發(fā)展趨勢 5180491.4本課題研究的主要內(nèi)容 63786第2章零件檢測系統(tǒng)的搭建 7303002.1零件檢測系統(tǒng)工作原理 7158912.2系統(tǒng)硬件設(shè)計(jì) 8278022.2.1帶式輸送機(jī)設(shè)計(jì) 833732.2.2并聯(lián)機(jī)械手設(shè)計(jì) 11121422.2.3其他硬件選型 13254532.3系統(tǒng)軟件設(shè)計(jì) 16171772.3.1其他硬件選型 1634032.3.2圖像處理流程設(shè)計(jì) 177815第3章相機(jī)標(biāo)定技術(shù) 18227933.1相機(jī)標(biāo)定 18260683.2坐標(biāo)系的變換 20137433.3畸變模型 2386643.4張正友算法原理 24201933.5相機(jī)標(biāo)定的實(shí)現(xiàn) 279513第4章顏色識(shí)別程序設(shè)計(jì) 32133954.1顏色空間模型 3246734.2顏色空間轉(zhuǎn)換 35214064.3顏色識(shí)別的實(shí)現(xiàn) 3626038第5章形狀識(shí)別與測量程序設(shè)計(jì) 3877035.1形狀識(shí)別與測量程序設(shè)計(jì) 38193685.2圖像預(yù)處理 3958295.2.1圖像校正 39292305.2.2圖像濾波 39166775.3邊緣檢測 42108425.4最小包圍矩形 45162275.5零件測量程序?qū)崿F(xiàn) 46218885.5.1螺母與墊片尺寸測量 46322405.5.2螺栓尺寸測量 4717654第6章總結(jié)與展望 48摘要在生產(chǎn)生活中眾多零件測量與分揀依然是繁瑣的工作，對(duì)于小型零件測量起來更困難，所以針對(duì)這種測量困難設(shè)計(jì)出了這個(gè)基于視覺的零件分揀系統(tǒng)，把視覺導(dǎo)入這個(gè)零件分揀系統(tǒng)中。這個(gè)方案可以從事于零件的形狀、尺寸、顏色，完成對(duì)零件的分類，使得這個(gè)零件分揀的過程更加智能化和自動(dòng)化。這個(gè)設(shè)計(jì)方案要完成對(duì)零件的分揀過程分兩步，首先要識(shí)別分揀零件的形狀和顏色，來確定這些零件的種類，第二步通過視覺的方式來測量物體的尺寸，并確定零件的規(guī)格。一層一層進(jìn)行，實(shí)現(xiàn)零件的分揀工作。在顏色識(shí)別的方面，通過對(duì)顏色的空間轉(zhuǎn)換，產(chǎn)生需要保留目標(biāo)顏色的零件，并將其識(shí)別出來。在形狀識(shí)別的方面以螺母、墊片為例，通過濾波去噪、圖像邊緣提取等方法來實(shí)現(xiàn)零件圖像的處理、最后一步根據(jù)零件規(guī)格、種類完成螺母、墊片的分類。此設(shè)計(jì)產(chǎn)品對(duì)零件的測量和分離工作具有一定的積極作用，還可以根據(jù)此設(shè)計(jì)探求其他零件的測量與檢測方法，在多種分揀工作中得以廣泛應(yīng)用。關(guān)鍵詞:顏色辨認(rèn)、圖像處理、機(jī)器視覺、測量尺寸、分揀零件第1章緒論1.1課題研究背景及意義工業(yè)上對(duì)于零件的測量以及分揀已有多種解決辦法,但隨著自動(dòng)化工業(yè)的發(fā)展,作業(yè)任務(wù)逐漸向著自動(dòng)化方式發(fā)展,尤其是針對(duì)大批量零件的分揀以及測量作業(yè),傳統(tǒng)的用于人工分揀零件的效率主要取決于分揀工人的狀態(tài)以及其周圍環(huán)境,傳統(tǒng)的測量作業(yè)工具所需要測量的零件精度不高,測量的過程太繁瑣,且難以得到準(zhǔn)確的測量結(jié)果較差。對(duì)人工體驗(yàn)的影響。因此傳統(tǒng)的零件分揀、測量方式無法滿足當(dāng)今的現(xiàn)代化工業(yè)，所以需要的是網(wǎng)上測量、實(shí)時(shí)監(jiān)控[1]。隨著不斷深入的工業(yè)大批量生產(chǎn)的現(xiàn)代工業(yè)化發(fā)展進(jìn)程,提高我國工業(yè)計(jì)算機(jī)測量技術(shù)的有效性和準(zhǔn)確性是我國在現(xiàn)代工業(yè)生產(chǎn)中必須緊緊抓住的重點(diǎn)一個(gè)步驟[2]。在這種環(huán)境下，智能化工業(yè)機(jī)器人開始迅速發(fā)展并大量投入各級(jí)生產(chǎn)線，智能機(jī)器人對(duì)比與人工，不再受到時(shí)間、環(huán)境等其他因素的影響，并且能夠檢測、分揀一些粉塵大、噪音大、具有刺激性氣味的零件，對(duì)比人工作業(yè)來說更具有容錯(cuò)率。機(jī)器視覺是參照生物的觀察方式來知道世界的過程，機(jī)器視覺系統(tǒng)可以通過圖像建立物體模型，然后認(rèn)知世界[3]。本文重點(diǎn)研究了機(jī)器視覺的應(yīng)用，并利用圖像處理方面的內(nèi)容完成了對(duì)零件的顏色識(shí)別、形狀識(shí)別、尺寸測量的內(nèi)容。對(duì)于多種種類的零件混合在一起的情況，身長生活中非常常見，尤其針對(duì)小型零件的不同規(guī)格的分離，使得分離過程更加艱難，而且人工測量的過程中可能會(huì)產(chǎn)生誤差，且分離過程消耗大量時(shí)間。針對(duì)這種情況，本文采用機(jī)器視覺的方法，捕捉零件的照片，通過顏色判斷、形狀判斷、尺寸判斷，最終確定目標(biāo)零件，通過機(jī)械手控制系統(tǒng)完成對(duì)零件的分揀工作。與傳統(tǒng)的分揀、測量方法相比，依靠機(jī)器視覺的自動(dòng)分揀、測量系統(tǒng)具有以下優(yōu)勢：（1）提高了生產(chǎn)效率。零件的檢測與測量主要依靠機(jī)器的視覺,進(jìn)行圖像處理完成,然后通過自動(dòng)分揀設(shè)備裝置來完成對(duì)零件的檢測與分揀操作,整個(gè)生產(chǎn)過程已經(jīng)實(shí)現(xiàn)了完全的自動(dòng)化,沒有了人工進(jìn)行分揀、測量的疲勞,因此使得生產(chǎn)效率也大大提高。（2）容錯(cuò)率高。與傳統(tǒng)的人工分揀、測量等作業(yè)方式相比,它可以很好地適應(yīng)各種工作場所,尤其特別是針對(duì)不同溫度的工作場所、散發(fā)具有刺激性和氣味的零部件來說,會(huì)對(duì)身體產(chǎn)生一定的影響,從而影響到零件分離、測量的精度和效率，而機(jī)器作業(yè)過程中就不會(huì)存在這種問題。（3）高精度。通過對(duì)零件進(jìn)行圖像捕捉，并進(jìn)行圖像的處理完成對(duì)顏色、形狀、尺寸的精準(zhǔn)捕捉測量，比人工更加精準(zhǔn)。（4）信息實(shí)時(shí)儲(chǔ)存。在處理圖像的過程中，捕捉零件信息的同時(shí)，將信息儲(chǔ)存在控制系統(tǒng)中，可以隨時(shí)查看零件的信息。因此基于機(jī)器視覺的零件分揀系統(tǒng)設(shè)計(jì)具有重要研究和設(shè)計(jì)意義。1.2視覺檢測技術(shù)概述隨著勞動(dòng)力成本的不斷提高、對(duì)零件加工精度與測量精度的不斷提高，大大促進(jìn)了工業(yè)自動(dòng)化的發(fā)展，越來越多的工業(yè)機(jī)器人投入生產(chǎn)線。機(jī)器視覺并不是一個(gè)單獨(dú)的產(chǎn)業(yè)，而是組成自動(dòng)化領(lǐng)域的一個(gè)重要部分，需要結(jié)合其他技術(shù)共同完成作業(yè)任務(wù)。比如說用戶會(huì)結(jié)合運(yùn)動(dòng)控制、數(shù)據(jù)采集等各種功能完成例如模擬-數(shù)字、數(shù)字-電子等測試，而且不同的儀器之間的集成會(huì)需要用到同步等功能[4]。在20世紀(jì)70年代,美國的vidavidmarr羅斯教授首次提出了比較完整的一門現(xiàn)代大學(xué)計(jì)算機(jī)遠(yuǎn)程學(xué)習(xí)與應(yīng)用視覺圖像體驗(yàn)技術(shù)系統(tǒng)的基礎(chǔ)理論技術(shù)框架,標(biāo)志著一門現(xiàn)代化的計(jì)算機(jī)遠(yuǎn)程學(xué)習(xí)與應(yīng)用視覺體驗(yàn)技術(shù)已經(jīng)成為一門獨(dú)立的技術(shù)學(xué)科。機(jī)器視覺技術(shù)強(qiáng)調(diào)實(shí)時(shí)性和時(shí)效性，可以在高效率與高精度的矛盾中均衡和發(fā)展，以滿足產(chǎn)業(yè)需求。將先進(jìn)的機(jī)器人視覺技術(shù)引入應(yīng)用到檢測技術(shù)的各個(gè)領(lǐng)域,可以輕松地實(shí)現(xiàn)各種應(yīng)用場合在線高精度、快速測量的任務(wù),視覺檢測技術(shù)主要包括以下幾個(gè)發(fā)展趨勢:初級(jí)視覺理論,主要是利用邊緣檢測、立體匹配等技術(shù)來實(shí)現(xiàn)從二維物體的圖像中提取有效的信息,判斷三維物體某些特征的處理過程;主動(dòng)式視覺技術(shù)的理論,主要目的是對(duì)物體進(jìn)行跟蹤捕獲和運(yùn)動(dòng),研究判斷物體在運(yùn)動(dòng)過程中的形狀、速度等數(shù)據(jù)資料,在軍事中常被廣泛應(yīng)用于導(dǎo)彈攔截等作業(yè);視覺和圖像的信息相互融合,在單一視覺和圖像的信息基礎(chǔ)上,將多種不同的物體通過視覺和圖像的信息相互地融合在一起,從而準(zhǔn)確地識(shí)別和判斷相對(duì)復(fù)雜的物體,主要的研究范圍就是視覺和圖像的信息相互融合;三維可見的場景重建,目前的三維可見的場景重建方法僅限于對(duì)物體的可見部分進(jìn)行了分析,因?yàn)槿S存在著不可見部分,所以三維場景重建仍是一個(gè)亟待研究和解決的問題;算法和性能評(píng)價(jià),在工業(yè)生產(chǎn)中機(jī)器視覺的實(shí)際應(yīng)用中,它需要從一個(gè)實(shí)驗(yàn)室過渡到一個(gè)實(shí)際場景,同時(shí)也需要確保效率和性能,因此在對(duì)機(jī)器視覺任務(wù)進(jìn)行研究時(shí),需要建立一個(gè)算法和性能評(píng)價(jià),用來判斷算法和系統(tǒng)是否有效;視覺并行數(shù)據(jù)處理,是用較小的基本數(shù)據(jù)處理單元進(jìn)行組合,進(jìn)而設(shè)計(jì)和完成較大的網(wǎng)絡(luò)系統(tǒng);通用視覺和信息系統(tǒng),發(fā)展的方向就是要建立一個(gè)高度智能化的視覺系統(tǒng),使其能夠完成各項(xiàng)視覺作業(yè)，搭建高度智能化的視覺平臺(tái)[5]。1.3視覺檢測技術(shù)發(fā)展趨勢自機(jī)器視覺這一概念提出以來,國外許多國家就率先進(jìn)行了相關(guān)技術(shù)研發(fā)和應(yīng)用工作,凸顯地體現(xiàn)在了半導(dǎo)體和微型電子設(shè)備等方面。各國在技術(shù)研發(fā)方面不斷探求，1983年JosephWilder設(shè)計(jì)了一個(gè)可以自動(dòng)檢查鍵盤的機(jī)器視覺系統(tǒng)[6]，系統(tǒng)會(huì)判斷鍵盤上的鍵位以及圖案是否正確，在研究發(fā)現(xiàn)在不同方向檢查鍵盤會(huì)有顏色、輪廓、紋理等的不同，針對(duì)這種情況，進(jìn)一步研究了光學(xué)、照明、圖案位置、圖形是被等相關(guān)問題，提出了有效的解決方案，為后續(xù)視覺檢測提供了借鑒。1988年DragutinPetkovic等人提出了一種解決噪聲圖像中直邊的高精度算法[7]，該算法是通過獲取原始灰度圖像的一組投影，對(duì)這些投影進(jìn)行濾波并分析投影空間中的峰值以估計(jì)線偏移和角度來實(shí)現(xiàn)的，相比于傳統(tǒng)算法提高了信噪比和定位精度，非常適用于工業(yè)機(jī)器視覺。1996年HajimeYamashina等人開發(fā)了具有兩個(gè)工業(yè)攝像機(jī)的機(jī)器視覺系統(tǒng)[8]，用于自動(dòng)檢測鉆孔工具的故障問題，第一個(gè)相機(jī)提供全局圖像，第二個(gè)相機(jī)聚焦到受影響的區(qū)域，通過圖像處理，可以測量到故障部分面積。為了加強(qiáng)機(jī)器視覺在伊朗農(nóng)業(yè)研究中的作用，A.Ghazanfari-Moghaddam開發(fā)了用于用于測量種子、果實(shí)物理屬性方面的機(jī)器視覺系統(tǒng)[9]，通過顏色轉(zhuǎn)換、圖像分割、對(duì)象計(jì)數(shù)等功能，成功完成對(duì)開心果的物理屬性進(jìn)行測量，經(jīng)研究表明，使用機(jī)器視覺測量的結(jié)果與常規(guī)手動(dòng)測量的結(jié)果沒有差異，但消耗時(shí)間大大縮短。機(jī)器人視覺感知技術(shù)被廣泛應(yīng)用于汽車和車輛的主動(dòng)安全系統(tǒng)中,2012年houyunyu等人首次提出了一種新的機(jī)器人感知周圍環(huán)境中車輛的技術(shù)方法[10],該技術(shù)融合了對(duì)車輛下方陰影的檢測和對(duì)于車輛后尾部的對(duì)稱性,利用灰度直方曲線圖在受眾感興趣的區(qū)域中可以檢測出陰影,按照經(jīng)驗(yàn)的比例擴(kuò)大陰影來獲得車輛的可疑區(qū)域,通過計(jì)算該特征在其后面尾部的灰度值,尾燈與邊緣之間的對(duì)稱度,進(jìn)一步判斷前方汽車。在國內(nèi)雖然技術(shù)起步較晚,但各個(gè)行業(yè)己經(jīng)基本上解決了機(jī)械檢測工藝和設(shè)備自動(dòng)化方面的困難,已經(jīng)積極地開展了對(duì)機(jī)器視覺檢測技術(shù)方面深度學(xué)習(xí)的探索,將機(jī)械視覺技術(shù)融入到工業(yè)生活中。1991年徐光祐等三人設(shè)計(jì)了一款基于s和cad運(yùn)動(dòng)模型的多功能傳感器運(yùn)動(dòng)視覺控制系統(tǒng)例如cmms，這個(gè)系統(tǒng)可以根據(jù)物體、環(huán)境自動(dòng)生成視覺系統(tǒng)模型，同時(shí)根據(jù)物體模型自動(dòng)生成識(shí)別定位的方案，因此此裝置常用于裝配引導(dǎo)。1997年單越康等人通過運(yùn)用ccd和電子計(jì)算機(jī)的圖像信號(hào)處理技術(shù)研制設(shè)計(jì)出一套可以實(shí)現(xiàn)檢測各種復(fù)雜的幾何形狀零部件的數(shù)字化自動(dòng)檢測系統(tǒng)[12],該檢測系統(tǒng)能夠?qū)崿F(xiàn)可以直接檢測各個(gè)零部件的參數(shù),，并具有較高的精度，但零件檢測尺寸范圍不高。1997年單越康等人通過運(yùn)用ccd和電子計(jì)算機(jī)的圖像信號(hào)處理技術(shù)研制設(shè)計(jì)出一套可以實(shí)現(xiàn)檢測各種復(fù)雜的幾何形狀零部件的數(shù)字化自動(dòng)檢測系統(tǒng)[12],該檢測系統(tǒng)能夠?qū)崿F(xiàn)可以直接檢測各個(gè)零部件的參數(shù)，通過圖像分析捕捉蘋果的顏色特征，設(shè)計(jì)了提前向神經(jīng)網(wǎng)絡(luò)識(shí)別器，完成對(duì)蘋果的顏色分級(jí)系統(tǒng)，該設(shè)計(jì)的顏色識(shí)別正確率達(dá)到九成以上，且運(yùn)行速度較快。2003年陳濤等人設(shè)計(jì)了一款利用ccd攝像頭完成對(duì)火源的自動(dòng)定位的方法[14],利用攝像頭產(chǎn)生的紅外和可見波段的熱輻射,可以捕捉到火源位置，并通過記錄相機(jī)的位移和轉(zhuǎn)動(dòng)，通過建立火源圖像坐標(biāo)與空間坐標(biāo)的進(jìn)行位置坐標(biāo)轉(zhuǎn)換，可以自動(dòng)定位到火源。2007年郭烈提出一種以方向車輛前方為方向單目行人視覺的自動(dòng)檢測方向車輛前方方向行人的視覺檢測方法技術(shù)[15]，該項(xiàng)技術(shù)開辟了我國對(duì)行人檢測技術(shù)的研究，它的核心是通過垂直邊緣對(duì)稱性的分割方法將行人按照不同區(qū)域劃分，通過Kalman濾波方法建立感興趣區(qū)域，確定行人的運(yùn)動(dòng)區(qū)域，最后根據(jù)運(yùn)動(dòng)信息以及位置信息建立了防撞規(guī)則。2010年劉長紅等人利用機(jī)器視覺處理分析心臟醫(yī)學(xué)圖像[16]，將機(jī)器視覺融入到復(fù)雜程度高的提取醫(yī)學(xué)心臟圖像信息中，通過邊緣處理、均值濾波算法等去除噪聲，找出圖像的目標(biāo)區(qū)域，最后利用還原算法將圖像的三維模型重建出來，經(jīng)實(shí)驗(yàn)達(dá)到了很好的效果，但對(duì)于心臟肌肉梯度的變化表現(xiàn)仍需研究?？傮w來說，機(jī)器視覺檢測技術(shù)已經(jīng)應(yīng)用于各行各業(yè)，使各項(xiàng)作業(yè)更加自動(dòng)化與智能化，已經(jīng)逐漸替代了人工的視覺成為不可或缺的“新視覺”。1.4本課題研究的主要內(nèi)容機(jī)械零件的分揀是工業(yè)生產(chǎn)中的重要環(huán)節(jié)，現(xiàn)在的制造工廠中人工進(jìn)行分揀的情況較多，原因是基于視覺的分揀系統(tǒng)設(shè)備價(jià)格比較昂貴，而且對(duì)于小型零件來說，更不易分離。相對(duì)于一些機(jī)械零部件都具有一些非常十分規(guī)則的外形或者是特征,可以通過對(duì)機(jī)器的視覺來進(jìn)行分析和辨認(rèn)，從而達(dá)到辨別零件的目的。文主要從如何提高零件分揀工作的精確性和效果來進(jìn)行思考,以采用機(jī)器人的視覺作為主要技術(shù)手段并在對(duì)其進(jìn)行后續(xù)分析的基礎(chǔ)上，對(duì)并聯(lián)機(jī)械手分揀裝置設(shè)計(jì)，以設(shè)計(jì)一款可以通過零件的顏色、外形進(jìn)行識(shí)別，完成對(duì)零件種類、規(guī)格的篩選，最后完成分揀動(dòng)作的裝置。本文的論文安排如下：首先對(duì)視覺檢測技術(shù)進(jìn)行探索，了解國內(nèi)外專家學(xué)者對(duì)視覺檢測技術(shù)的研究與成果；第二章將介紹本次設(shè)計(jì)的總體框架以及硬件選型和軟件環(huán)境；第三章研究相機(jī)的標(biāo)定技術(shù)，相機(jī)標(biāo)定技術(shù)是一個(gè)關(guān)鍵的技術(shù)，關(guān)系著整個(gè)系統(tǒng)最終的檢測結(jié)果。第四章主要內(nèi)容是詳細(xì)介紹了手機(jī)顏色信息識(shí)別的具體技術(shù)實(shí)現(xiàn)和操作過程,，以及比較了幾種顏色空間模型。第五章主要是介紹了零件的識(shí)別和測量實(shí)現(xiàn)的全過程，并以螺栓、螺母和墊片為例，介紹了去噪處理、邊緣提取，并對(duì)多種不同的算法進(jìn)行了對(duì)比，選出最適合本次設(shè)計(jì)的算法。第六章總結(jié)了系統(tǒng)設(shè)計(jì)的優(yōu)缺點(diǎn)，并提出了發(fā)展展望。第2章零件檢測系統(tǒng)的搭建2.1零件檢測系統(tǒng)工作原理機(jī)器視覺系統(tǒng)是需要在特定的光源照射下，通過相機(jī)捕捉到目標(biāo)物體，并將信息傳輸?shù)接?jì)算機(jī)，將物體以二維圖像的形式展現(xiàn)出來，然后利用圖像處理技術(shù)，對(duì)采集到的物體圖像進(jìn)行有效信息的提取過程，最后通過輸出信號(hào)，對(duì)物體完成相應(yīng)的操縱。零件檢測系統(tǒng)的工作流程圖如下圖所示：圖2-1零件檢測系統(tǒng)流程圖本照明系統(tǒng)的主要工作原理如下:先由一個(gè)照明系統(tǒng)來自動(dòng)光亮零部分,可以有效地消除陰影部分對(duì)于圖像處理的干擾,在與攝像頭同時(shí)位于相同軸上的傳輸帶側(cè)邊,設(shè)置一個(gè)光電式的傳感器,待這個(gè)零部分跟隨傳輸帶移動(dòng)至一個(gè)指定位置時(shí),因?yàn)檫@個(gè)零部分就遮擋了這個(gè)光電式的傳感器所能夠發(fā)出的光線,由此我們就能確定該部分零件在當(dāng)前是否能夠及時(shí)到達(dá)所指定位置,在相應(yīng)的時(shí)間,攝像機(jī)對(duì)目標(biāo)部分零件的圖像進(jìn)行了拍照,攝像機(jī)也就是可以直接通過圖像采集卡將圖像中的信號(hào)轉(zhuǎn)化成相應(yīng)的電荷信號(hào),輸入到計(jì)算機(jī),然后通過軟件對(duì)圖像進(jìn)行處理,通過顏色范圍捕捉函數(shù)對(duì)圖像進(jìn)行顏色捕捉,以確定覆蓋目標(biāo)零件是否屬于目標(biāo)零部件的顏色,然后經(jīng)由邊緣檢測、輪廓提取等操作，以螺栓、螺母與墊片為例，對(duì)零件進(jìn)行長寬對(duì)比，以確定零件的種類，最后計(jì)算出零件的尺寸，最終確定零件的規(guī)格，對(duì)機(jī)械分揀裝置發(fā)出分揀指令。2.2系統(tǒng)硬件設(shè)計(jì)2.2.1帶式輸送機(jī)設(shè)計(jì)帶式海運(yùn)輸送機(jī)械它是很重要的一種大型物料海運(yùn)輸送機(jī)械裝置，還可以與生產(chǎn)的工藝過程相配合[17]。因此這種稱為帶式帶動(dòng)輸送帶的機(jī)被廣泛地大量應(yīng)用于各種機(jī)械工業(yè)生產(chǎn)和人們?nèi)粘Ｉ钪袑⑺鳛橐环N運(yùn)輸物體帶動(dòng)進(jìn)行運(yùn)輸搬運(yùn),帶式帶動(dòng)輸送帶的機(jī)主要類型有兩種,即帶式輸送帶、托輥、滾筒、驅(qū)動(dòng)器以及其他設(shè)備的等部件構(gòu)成。在本實(shí)驗(yàn)中因?yàn)橐獙?shí)時(shí)地對(duì)零件進(jìn)行識(shí)別任務(wù)和測量任務(wù)，整個(gè)系統(tǒng)設(shè)計(jì)必須保證具有較高的精度，同時(shí)應(yīng)該保證具有一定的效率。設(shè)計(jì)的輸送機(jī)效果圖圖下所示：圖2-2輸送機(jī)三維示意圖在輸送機(jī)設(shè)計(jì)的過程中應(yīng)該考慮輸送機(jī)的尺寸不應(yīng)該太大，要根據(jù)相機(jī)的捕捉范圍對(duì)整體尺寸進(jìn)行設(shè)計(jì)，因此設(shè)計(jì)的傳送帶寬度為200mm，但考慮到要保留余量，以及留有合適的平臺(tái)來放置光電傳感器，因此整體尺寸寬度為304mm，其中底部的小孔用于安裝型材給輸送機(jī)提供穩(wěn)定的支撐，底部設(shè)置電機(jī)盒，可以保護(hù)電機(jī)同時(shí)不影響電機(jī)驅(qū)動(dòng)主動(dòng)輥的運(yùn)行。圖2-3傳送機(jī)構(gòu)底板被動(dòng)輥的尺寸選用最小管直徑的尺寸，因?yàn)槠喈?dāng)于空轉(zhuǎn)，所以不存在負(fù)載，同樣與被動(dòng)輥對(duì)應(yīng)的主動(dòng)輥也選擇直徑為38mm的規(guī)格，其他規(guī)格如下圖圖2-4被動(dòng)輥與主動(dòng)輥尺寸圖輸送機(jī)的主要阻力計(jì)算為F(2-1)因?yàn)楸据斔蜋C(jī)運(yùn)送的零件相對(duì)較小，相當(dāng)于空載，因此沒有設(shè)置分支托輥，根據(jù)qB、qP=(2-2)P(2-3)輸送機(jī)的運(yùn)行過程中最大扭矩為M=F?L=1910(2-4)因此可以根據(jù)式（2-5）計(jì)算出電機(jī)的減速比約等于30左右。P(2-1)本作品傳動(dòng)動(dòng)力部分由大扭矩可編碼直流電機(jī)、15A直流電機(jī)驅(qū)動(dòng)板、6s5200mAh22.2V電池組成。大扭矩可編碼直流電機(jī)作為傳送帶的出力，配合15A直流電機(jī)驅(qū)動(dòng)板輸出穩(wěn)定PWM以控制電機(jī)輸出扭矩。6s5200mAh22.2V電池續(xù)航時(shí)間長，滿足系統(tǒng)的持續(xù)用電能耗供給。相比于交流電機(jī)，直流電機(jī)具有可調(diào)范圍廣，無需外接電源等優(yōu)勢，能夠靈活運(yùn)用在各類高校場景中，滿足勺筷分離的需求。表2-1電機(jī)部分參數(shù)轉(zhuǎn)速額定功率額定電流額定電壓12-6000r6W450mA24V圖2-5直流電機(jī)2.2.2并聯(lián)機(jī)械手設(shè)計(jì)本文提出的設(shè)計(jì)方案中，最后一步為使用機(jī)械手裝置將零件從輸送帶上取下，并放入到收集盒中，所以要設(shè)計(jì)一個(gè)相對(duì)靈活并且有較高精度的機(jī)械手臂。本設(shè)計(jì)方案選用的是并聯(lián)機(jī)器手，參照學(xué)校的機(jī)械專業(yè)中心I實(shí)驗(yàn)室中的并聯(lián)機(jī)械手模型設(shè)計(jì)了適用于本方案的并聯(lián)機(jī)械手模型，如圖所示：圖2-6并聯(lián)機(jī)械手剖面圖與俯視圖而且相對(duì)于傳統(tǒng)串聯(lián)式機(jī)械人,并聯(lián)式的機(jī)械人雖然不需要具備較大的工作運(yùn)行空間,但是通過matlab軟件進(jìn)行了工作運(yùn)行空間分析后,發(fā)現(xiàn)完全能夠適用本設(shè)計(jì)方案,同時(shí)串聯(lián)式的機(jī)械人沒有任何關(guān)節(jié)誤差的累加,因此產(chǎn)生的運(yùn)行誤差較小,精度很高。圖2-7并聯(lián)機(jī)械手工作空間仿真圖并聯(lián)機(jī)械手主要通過三個(gè)獨(dú)立的電機(jī)將轉(zhuǎn)矩傳遞給連桿，通過連桿來控制托盤，托盤選用的是電磁吸盤，來吸取已經(jīng)經(jīng)過顏色識(shí)別以及尺寸測量的零件，并將其放入指定的收集盒中。根據(jù)實(shí)驗(yàn)室模型，我們選用的電機(jī)為安川抱閘伺服電機(jī)，根據(jù)式（2-2）電機(jī)功率的計(jì)算公式，我們算出并聯(lián)機(jī)器手的功率大約在100W左右，同時(shí)電壓為220V，因此我們選用安川7系列400W帶剎車抱閘伺服電機(jī)SGM7J-04AFC6E型號(hào)。P=(2-2)其中F代表牽引力，n（m/min）代表電機(jī)轉(zhuǎn)動(dòng)線速度，取η=0.8。選用的電動(dòng)機(jī)如下圖所示：圖2-8伺服電機(jī)2.2.3其他硬件選型（1）CCD相機(jī)對(duì)于工業(yè)機(jī)器人的圖像視覺,ccd通用工業(yè)紅外相機(jī)被廣泛認(rèn)為已經(jīng)是最常用的一種紅外圖像數(shù)據(jù)傳感器,ccd工業(yè)相機(jī)的主要技術(shù)特點(diǎn)之一就是將圖像數(shù)據(jù)和紅外光線以一定電荷比的方式結(jié)合進(jìn)行圖像傳遞。德國basler公司專注于高速面陣/線陣相機(jī),CCD/CMOS芯片，外形精巧，易于集成，性價(jià)比極高。經(jīng)過多種產(chǎn)品比較，決定選用Baslerace2系列的工業(yè)相機(jī)，型號(hào)為Baslerace2Pro，相機(jī)如圖2-2所示。圖2-9Baslerace2Pro相機(jī)Baslerace2Pro相機(jī)比較小巧，尺寸僅為29mm*29mm，同時(shí)背面配有狀態(tài)LED,可以監(jiān)控相機(jī)的運(yùn)行狀況，配有可拆卸的紅外截止濾光片，可以根據(jù)需要進(jìn)行組裝，隔絕紅外的干擾。該系列照相機(jī)把經(jīng)過優(yōu)化后的系統(tǒng)硬件和先進(jìn)的osonycmos系列芯片處理技術(shù)有機(jī)地完美融合在一起，還具有強(qiáng)大的的計(jì)算機(jī)視覺功能包，包含備受歡迎的Basler

PGI圖像優(yōu)化功能包，可以滿足標(biāo)準(zhǔn)視覺應(yīng)用。（2）鏡頭鏡頭作為攝像機(jī)非常重要的配件，可以影響到攝像機(jī)輸出圖像的質(zhì)量，因此選擇合適的鏡頭可以使實(shí)驗(yàn)結(jié)果更加準(zhǔn)確。經(jīng)過產(chǎn)品比較，決定選用型號(hào)為BaslerLensC10-1614-3M-Sf16mm的鏡頭，鏡頭圖像如下圖所示圖2-10鏡頭BaslerStandardC口鏡頭焦距為16mm，分辨率可以達(dá)到300萬像素，而且鏡頭可以兼容Baslerace系列的相機(jī)，這是成本敏感型機(jī)器視覺應(yīng)用的較好選擇。（3）照明裝置照明裝置是圖像捕捉的一個(gè)重要部分，它主要作用是獲得對(duì)比度較好的圖像，確保零件與背景明顯的分隔開，且沒有零件的影子，防止在后續(xù)對(duì)圖像進(jìn)行處理受到陰影部分和背景的影響。照明裝置的選取應(yīng)該考慮光線相對(duì)集中，這樣不至于光線太分散，使零件顯得暗，影響后續(xù)的判斷，且光線應(yīng)該均勻，使零件不產(chǎn)生陰影，照明裝置的形狀不能影響相機(jī)捕捉零件圖像。因此決定選用Basler公司的

KW-R21045-R/G/B/W/IR環(huán)形照明裝置。圖2-11環(huán)形照明裝置（4）激光傳感器激光傳感器是零件檢測系統(tǒng)中起到偵察兵的作用，當(dāng)激光傳感器捕捉到零件使，系統(tǒng)才開始運(yùn)作，因此激光傳感器的相應(yīng)速度直接決定了最后的輸出結(jié)果，除了具備較高的響應(yīng)速度外，因?yàn)閭魉蛶У膶挾戎挥?0mm，因此選用的激光傳感器的感應(yīng)范圍不需太大，同時(shí)產(chǎn)生的光點(diǎn)要相對(duì)較小，避免對(duì)物體圖像捕捉處理產(chǎn)生影響，因此選用ZSM12JGDS型號(hào)的激光傳感器。圖2-12激光傳感器（5）圖像采集卡圖像信號(hào)采集卡通常能夠把一個(gè)圖像采集信號(hào)同時(shí)傳遞回路給多個(gè)計(jì)算機(jī)。ccd芯片輸出的數(shù)字信號(hào)通常是一種位于模擬中的電信號(hào),經(jīng)過整個(gè)圖像數(shù)據(jù)采集卡的文字?jǐn)?shù)據(jù)接口進(jìn)行數(shù)字轉(zhuǎn)換,將整個(gè)模擬中的電信號(hào)轉(zhuǎn)換變成可視為一種非常離散的圖像數(shù)字信號(hào),當(dāng)一臺(tái)數(shù)字計(jì)算機(jī)向數(shù)字控制器前端發(fā)出文字指令時(shí),圖像數(shù)據(jù)采集卡就已經(jīng)可以把進(jìn)入控制器的所有圖像采集信息直接通過文字?jǐn)?shù)據(jù)傳遞轉(zhuǎn)輸給另一臺(tái)數(shù)字計(jì)算機(jī)[18]。經(jīng)過比較決定選用microEnable5

ironmanAD8-PoCL型號(hào)的圖像采集卡，該型號(hào)的圖像采集卡提供了DMA3600技術(shù)和色彩預(yù)處理功能，支持線陣和面陣相機(jī)，同時(shí)廣泛支持第三方軟件接口，可以進(jìn)行多設(shè)備連接，滿足系統(tǒng)設(shè)計(jì)要求。圖2-13圖像采集卡2.3系統(tǒng)軟件設(shè)計(jì)2.3.1其他硬件選型本系統(tǒng)通過利用visualstudio2017配置opencv視覺函數(shù)庫進(jìn)行影像處理。microsoftvisualstudio2017是一款由美國微軟集團(tuán)旗下公司研發(fā)的設(shè)計(jì)工具包和設(shè)計(jì)應(yīng)用軟件的一系列產(chǎn)品，可以用于編輯、調(diào)試并生成代碼，最后可以發(fā)布。microsoftvisualstudio2017包含了許多更多的功能,可以通過編譯器對(duì)產(chǎn)品中生成的源代碼和文本進(jìn)行翻譯,里面還有一個(gè)配備了圖形設(shè)計(jì)器等等的功能,可以大大簡化了軟件開發(fā)的全部流程。它包括了許多方便快捷的功能,比如波形曲線、重鑄等等。并且支持VisualC++、Python等多種計(jì)算機(jī)語言。opencv最初的它是由pintel公司在1999年7月創(chuàng)辦的,它現(xiàn)在是一個(gè)基于gnuabsd自由授權(quán)(開源)方式認(rèn)證并且免費(fèi)發(fā)行的軟件跨行業(yè)平臺(tái)應(yīng)用電腦軟件計(jì)算機(jī)網(wǎng)絡(luò)視聽軟件數(shù)據(jù)庫[19]。opencv它的全稱為英語opensourcecomputervisionlibrary,它的主要視覺圖像處理接口主要是可以使用c和c++或者使用java等視覺相關(guān)編程語言,但同時(shí)也主要是為視覺人類學(xué)和其他視覺相關(guān)編程語言應(yīng)用提供圖像接口,它也是一個(gè)可以提供給別人比較豐富的視覺圖像庫和視覺編碼處理器的算法，完成對(duì)圖像的處理。圖2-14VisualStudio2017界面2.3.2圖像處理流程設(shè)計(jì)對(duì)圖像的處理過程是整個(gè)設(shè)計(jì)最重要的部分，它控制著結(jié)果的輸出，因此軟件部分的設(shè)計(jì)要保證有較高的精度，同時(shí)響應(yīng)速度。在面對(duì)顏色識(shí)別這類對(duì)零件精度沒有要求的情況下，直接對(duì)圖像進(jìn)行測量，輸出結(jié)果，但與對(duì)形狀檢測和尺寸測量，對(duì)零件的精度要求較高，原始圖像遠(yuǎn)遠(yuǎn)不能達(dá)到檢測要求，也不能直接對(duì)原圖像進(jìn)行邊緣捕捉，因此需要對(duì)圖像進(jìn)行邊緣處理、降噪等處理，從而提高精度。圖2-15功能模塊劃分本系統(tǒng)的任務(wù)是對(duì)零件完成顏色識(shí)別、形狀檢測和尺寸測量的工作，包含著三大模塊內(nèi)容，設(shè)計(jì)的系統(tǒng)流程圖如下圖所示：圖2-16流程圖在顏色方面需要首先對(duì)零件進(jìn)行目標(biāo)顏色檢測，如果不是期望顏色，那么直接將零件歸為一類，在獲取到期望顏色的零件后，要對(duì)零件進(jìn)行一步步檢測，首先確定零件屬于什么形狀，然后再根據(jù)尺寸進(jìn)行分類。第3章相機(jī)標(biāo)定技術(shù)3.1相機(jī)標(biāo)定對(duì)于人類和機(jī)器的視覺來說,相機(jī)的坐標(biāo)是一個(gè)重要而緊密的環(huán)節(jié),相機(jī)捕捉得到的物體和真實(shí)三維世界坐標(biāo)之間的關(guān)系。坐標(biāo)的相互關(guān)系和位置以及相機(jī)在圖像中的幾何模量都是密切相關(guān)的，因此要求出相機(jī)的內(nèi)外部參數(shù)顯得十分重要[20]，相機(jī)的標(biāo)定的準(zhǔn)確程度影響著對(duì)物體位置的判斷和尺寸的判斷。在對(duì)相機(jī)進(jìn)行標(biāo)定過程中,我們還需要搭建一個(gè)相機(jī)圖像的幾何和結(jié)構(gòu)模型，利用相機(jī)成像原理，建立相機(jī)坐標(biāo)系與平面坐標(biāo)，計(jì)算相應(yīng)關(guān)系使，因?yàn)橄鄼C(jī)在成像過程中，由于安裝問題和本身性質(zhì)，在標(biāo)定圖像過程中會(huì)產(chǎn)生畸變，因此需要引入畸變補(bǔ)償，從而消除因畸變產(chǎn)生的影響。相機(jī)的主動(dòng)標(biāo)定物及其技術(shù)識(shí)別方式根據(jù)各種相機(jī)標(biāo)定物的不同分類標(biāo)定方式一般認(rèn)為可以大致細(xì)分三種類型:一般標(biāo)定傳統(tǒng)的數(shù)字相機(jī)主動(dòng)標(biāo)定方式、攝像頭的自主動(dòng)標(biāo)定、基于主動(dòng)標(biāo)定視覺的數(shù)字相機(jī)攝像頭自動(dòng)標(biāo)定。（1）傳統(tǒng)相機(jī)標(biāo)定法該種設(shè)計(jì)方法的基本前提條件就是要在圖像中設(shè)計(jì)一個(gè)標(biāo)定物,而且一個(gè)標(biāo)定物的大小和尺寸必須由已知,然后通過建立一個(gè)模型來讓標(biāo)定物的位置坐標(biāo)和圖像節(jié)點(diǎn)相互對(duì)應(yīng),再通過利用這種設(shè)計(jì)算法來直接獲取一個(gè)相機(jī)模型的內(nèi)外部參數(shù)。按照標(biāo)定物差異大小通常將其劃分為三維標(biāo)定物和平面標(biāo)定物[21]。三維標(biāo)定物所需要包含的地理位置信息和模型信息比較多,因此我們可以用一張簡單的圖片對(duì)其進(jìn)行相機(jī)標(biāo)定,相對(duì)來說使用三維標(biāo)定物所需要的標(biāo)定精度相對(duì)比較高,但是對(duì)于三維標(biāo)定物的加工、維護(hù)相對(duì)困難。正好相反,平面上的標(biāo)定物要比三維上的標(biāo)定物容易被加工，但精度小于三維標(biāo)定物，同時(shí)標(biāo)定過程中必須使用多幅圖像。此種方法的缺點(diǎn)是優(yōu)化程序設(shè)計(jì)復(fù)雜，且標(biāo)定結(jié)果取決于初始值。（2）相機(jī)的自標(biāo)定法自標(biāo)定方法的靈活性較高,打破了空間的限制,可以通過利用場景的約束和對(duì)相機(jī)運(yùn)動(dòng)的約束,完成了對(duì)相機(jī)的標(biāo)定,該種方法雖然有效地克服了傳統(tǒng)的標(biāo)定方法中特殊情況下場景下的約束條件,但因?yàn)榇朔N方法在實(shí)際應(yīng)用中對(duì)于場景和相機(jī)運(yùn)動(dòng)的約束條件過于復(fù)雜，該種方法不經(jīng)常用到。（3）基于主動(dòng)視覺的相機(jī)標(biāo)定法該種相機(jī)的標(biāo)定方法需要根據(jù)所描述的已知相機(jī)中某些物體的運(yùn)動(dòng)數(shù)據(jù),并通過特殊算法來進(jìn)行相機(jī)標(biāo)定[22]。與其他傳統(tǒng)的相機(jī)標(biāo)定方法相比,該種方式不需要三維或者平面上的標(biāo)定物,但是需要為其制定路線,然后讓相機(jī)根據(jù)所需的速度和運(yùn)動(dòng),利用這些運(yùn)動(dòng)信息來計(jì)算得出相機(jī)部分的運(yùn)行參數(shù)。該種方式雖然是相對(duì)簡單,但系統(tǒng)造價(jià)也是相對(duì)較高,實(shí)驗(yàn)中對(duì)于運(yùn)動(dòng)參數(shù)的控制要求苛刻,而且在一些無法得到準(zhǔn)確測量的應(yīng)用場合也并不宜使用。考慮到實(shí)驗(yàn)的硬件設(shè)備以及實(shí)驗(yàn)環(huán)境，而且對(duì)于零件的測量需要較高的位置信息和尺寸精準(zhǔn)度，因此選用傳統(tǒng)相機(jī)標(biāo)定法，也稱為基于合作標(biāo)定物的標(biāo)定技術(shù)。該相機(jī)在標(biāo)定方式中主要采用三種:線性標(biāo)定、張正友標(biāo)定、tsai兩步確定標(biāo)計(jì)算[23]。線性標(biāo)定法需要在相機(jī)前放置一個(gè)標(biāo)定塊，利用相機(jī)的成像模型，將圖像的位置點(diǎn)與標(biāo)定塊上的精確標(biāo)定點(diǎn)對(duì)應(yīng)建立關(guān)系式，從而求解相機(jī)的部分參數(shù)。這是最快捷簡單的方法,但是在計(jì)算時(shí)并未充分考慮相機(jī)畸變問題,因而計(jì)算精度相對(duì)較低。sai兩步式定標(biāo)算法最初由tsai于1987年首次提出[24],奠定了一個(gè)在平面型標(biāo)定物的廣泛應(yīng)用。該標(biāo)定方法首先我們需要求出一個(gè)相機(jī)的徑向排列約束,然后通過這樣的求解可以得出一臺(tái)相機(jī)的參數(shù),用不同的求解方法我們就可以分別求出一臺(tái)相機(jī)的內(nèi)部參數(shù)和外部的參數(shù)。該種方法的計(jì)算相對(duì)簡單,但具備實(shí)際使用前提,需要假設(shè)一個(gè)圖像的中心位置坐標(biāo)是己知、中心位置坐標(biāo)即可作為一個(gè)徑向畸變的中心、僅僅考慮二階徑向畸變，很顯然在實(shí)際中，相機(jī)不可能只存在徑向畸變，因此此種方法的精度受到影響。張正友平面圖像標(biāo)定法的原理是指我們通過對(duì)一個(gè)平面圖像模板的三個(gè)同一個(gè)方位圖像進(jìn)行拍攝,首先假設(shè)一個(gè)標(biāo)定物在全球坐標(biāo)系中的z軸為0,建立一個(gè)圖像坐標(biāo)系和全球世界坐標(biāo)系之間的求解矩陣,先通過線性分析可以得出相機(jī)參數(shù)的最優(yōu)化和求精值,最后再對(duì)其進(jìn)行非線性的求精。該種方法設(shè)備要求較低，相比于其他標(biāo)定法來說精度較高，因此在測量系統(tǒng)中常被應(yīng)用，但此種方法需要匹配物體坐標(biāo)以及圖像坐標(biāo)，因此對(duì)新手來說具有一定的難度。根據(jù)實(shí)際的情況,綜合分析比較后,采用張正友標(biāo)定方法來開展照相相機(jī)的標(biāo)定。3.2坐標(biāo)系的變換計(jì)算機(jī)在視覺學(xué)中進(jìn)行標(biāo)定的過程中常用到的坐標(biāo)是世界坐標(biāo)系、圖像位置坐標(biāo)系、相機(jī)位置坐標(biāo)系，他們可以通過特殊的變換，完成坐標(biāo)的對(duì)應(yīng)轉(zhuǎn)化。圖3-1坐標(biāo)系變換關(guān)系（1）圖像坐標(biāo)系相機(jī)所需要采集的信息以幾何或者三角形等數(shù)組的方式進(jìn)行了存儲(chǔ),圖像節(jié)點(diǎn)的信息由各個(gè)像素控制,圖象的坐標(biāo)系是按照二維圖像信號(hào)作為計(jì)算基準(zhǔn)而設(shè)定和構(gòu)造的。根據(jù)每個(gè)圖像單位的不同,描述一個(gè)圖像的位置我們通常可以選擇一個(gè)相當(dāng)于像素尺度的坐標(biāo)或者說它是一個(gè)相當(dāng)于物理圖像尺度的坐標(biāo),在如圖3-2所示的一個(gè)相當(dāng)于圖像位置的坐標(biāo)體系中,u-o-v代表的是一個(gè)相當(dāng)于像素的位置,用這種方法可以選擇一個(gè)相當(dāng)于原點(diǎn)的位置作為一個(gè)相當(dāng)于圖像左上角,它所需要表示的位置就是一個(gè)相當(dāng)于物體的位置所在行和列之間的數(shù)量;x-o-y所代表的是一個(gè)樣本物理尺寸的坐標(biāo),它與其他像素的坐標(biāo)不同,它所代表的是一個(gè)樣本物體的尺寸和大小,原點(diǎn)選取的是一個(gè)光軸與像平面的相互交點(diǎn)。圖3-2圖像坐標(biāo)系在沒有忽略縮放相機(jī)中的成像像素畸變的函數(shù)情況下,像素物理尺寸轉(zhuǎn)化坐標(biāo)與放在相機(jī)中的物理像素尺寸轉(zhuǎn)化坐標(biāo)之間的像素轉(zhuǎn)化函數(shù)關(guān)系公式可如下參見式（3-1）。u=(3-1)dx與dy分別代表了像素位于x軸與y線上的不同物理大小。像素坐標(biāo)與物理尺寸坐標(biāo)的齊次坐標(biāo)轉(zhuǎn)化關(guān)系見式（3-2）。u(3-2)（2）相機(jī)坐標(biāo)系在對(duì)于相機(jī)的成像原理上并不一定完全相同,因?yàn)楝F(xiàn)代攝影照片相機(jī)按照是否有必要可以將鏡頭進(jìn)行更換,而且對(duì)于一些可以進(jìn)行更換鏡頭的相機(jī)而言,鏡頭不僅僅是其成像所需要必須的零部件,它的功能和作用主要是為了能夠更好地展現(xiàn)其成像結(jié)果,因此這樣一臺(tái)攝影照片的成像原理就是采用小孔式的成像。與之正好相反,對(duì)于一臺(tái)不可拆卸的鏡頭相機(jī),成像原理中運(yùn)用的主要就是小孔成像。圖3-3坐標(biāo)系示意圖zc軸為一個(gè)物理相機(jī)上的發(fā)射光軸,它指的是一條垂直于一個(gè)物理圖像的運(yùn)動(dòng)平面,圖中一個(gè)物理相機(jī)的成像焦距大約設(shè)定為等于f,則根據(jù)這個(gè)小物理孔對(duì)其成像的運(yùn)動(dòng)模型,相機(jī)在一個(gè)空間環(huán)境中的運(yùn)動(dòng)位置與這個(gè)物理孔的尺寸以及相位于其坐標(biāo)之間的運(yùn)動(dòng)關(guān)系可表如式（3-3）x(3-3)像素坐標(biāo)與相機(jī)坐標(biāo)點(diǎn)的關(guān)系如式（3-4）Z(3-4)（3）世界坐標(biāo)系用來精確表示一個(gè)位于相機(jī)和其他世界物體之間位置的世界坐標(biāo)矢量系統(tǒng)被人們稱為新的世界物體坐標(biāo)系,相機(jī)的世界坐標(biāo)系和其他新的世界物體坐標(biāo)系之間的主要關(guān)聯(lián)性在于可以通過其中引入一個(gè)旋轉(zhuǎn)運(yùn)動(dòng)矩陣矢量r與一個(gè)平移矩陣矢量之間t的一種形式關(guān)系來對(duì)其進(jìn)行精確描述，轉(zhuǎn)換關(guān)系如式（3-5）X(3-5)這樣一個(gè)像素點(diǎn)和一個(gè)世界坐標(biāo)系中的空間點(diǎn)可以很好地完成了之間的互相轉(zhuǎn)換,因?yàn)檫@個(gè)世界坐標(biāo)系都是人為建立的,所以我們也可以根據(jù)自己的特殊需要對(duì)它進(jìn)行自由地設(shè)置,如果將這個(gè)世界坐標(biāo)系z(mì)軸的位置設(shè)定為0,也就是說這個(gè)世界坐標(biāo)系與一個(gè)照片相機(jī)的世界坐標(biāo)系之間進(jìn)行了重合,那么就會(huì)出現(xiàn)一個(gè)旋轉(zhuǎn)矩陣。像素世界坐標(biāo)、相機(jī)像素坐標(biāo)點(diǎn)、、世界坐標(biāo)、三種相機(jī)像素世界坐標(biāo)系之間的相互作用對(duì)應(yīng)向量關(guān)系公式分別為:Z(3-6)3.3畸變模型相機(jī)在投影得到圖像，因?yàn)橥哥R的精度問題和安裝問題，會(huì)產(chǎn)生畸變，因此捕捉到的圖像會(huì)產(chǎn)生變形，因此引入相機(jī)的畸變矯正模型[25]。圖3-4徑向畸變?nèi)鐖D2-4所示,物體通過鏡頭投影到一個(gè)圖像的平面時(shí),投影到的光線就會(huì)產(chǎn)生了彎曲,這種畸變現(xiàn)象被稱為徑向畸變,發(fā)生這種情況的主要原因之一就是由于鏡頭形狀上的缺陷，導(dǎo)致圖像的徑向方向產(chǎn)生了偏差?？梢酝ㄟ^建立一個(gè)數(shù)學(xué)模型方法來對(duì)其進(jìn)行修正:若設(shè)、為投影的原始坐標(biāo),與為修正后的坐標(biāo),r為點(diǎn)與投影在圖像中心的位置之間的距離,k為徑向畸變的系數(shù),，則可得到式（3-7）。?(3-7)圖3-5切向畸變?nèi)鐖D3-5所示,在距離相機(jī)遠(yuǎn)近不同的條件下,圖像大小尺寸也就會(huì)產(chǎn)生根據(jù)其遠(yuǎn)小近大而產(chǎn)生不同的變化,產(chǎn)生這種變化情況的原因主要是由于鏡片沒有一個(gè)平行與相機(jī)的成像平面,類比于徑向畸變,切向畸變的表達(dá)式定義如下,其中和分別用來表示切向畸變的系數(shù)：?(3-8)3.4張正友算法原理張正友標(biāo)定法的相機(jī)模型為：s(3-9)上式的矩陣s和s代表了一個(gè)相機(jī)內(nèi)部縮減播放時(shí)的因子,代表了一個(gè)像素的內(nèi)部坐標(biāo),代表了在三維世界光學(xué)坐標(biāo)系下的一個(gè)相機(jī)坐標(biāo)和節(jié)點(diǎn),矩陣中的a和b代表了一個(gè)相機(jī)的內(nèi)部縮放參數(shù)：A=(3-10)之前曾經(jīng)提到過,因?yàn)槲覀兯x擇的是一個(gè)平面上的標(biāo)定物,而且世界上的坐標(biāo)系都可以由我們自己進(jìn)行放置,因此為了計(jì)算方便,我們最好可以把標(biāo)定板上z軸的位置設(shè)為0,這樣就與目前的世界上坐標(biāo)系z(mì)平面相互重合了，那么可以將式（3-9）表示成如下式：s(3-11)設(shè)像平面與標(biāo)定物平面之間的單應(yīng)性矩陣為H，則式（3-10）可表示為：H(3-12)s(3-13)上式中的H表示的矩陣含有9個(gè)元素，其中有8個(gè)元素式是未知的，需要求解出來，對(duì)于標(biāo)定物坐標(biāo)與像素坐標(biāo)，每一組都可對(duì)應(yīng)解其中2個(gè)元素，因此標(biāo)定物選擇的是方形格子。若我們將H里面的元素用列向量表示，那么H=(3-14)用H將式（3-9）中的旋轉(zhuǎn)矩陣與平移向量表示出rrt=(3-15)根據(jù)旋轉(zhuǎn)矩陣R是正交矩陣可知，r1與rr||r(3-16)??(3-17)令B=AB=(3-18)因?yàn)閎為對(duì)稱矩陣,因此我們可以將其表達(dá)為如式(3-18)中的一個(gè)向量表達(dá)為：b=(3-19)根據(jù)式（3-14）可以得出?(3-20)根據(jù)式（3-17）可以得出vv(3-21)將公式寫成矩陣形式得：v(3-22)根據(jù)方程式求解原理，只有當(dāng)自變量n大于等于3時(shí)，b才能求出唯一的解。因此當(dāng)標(biāo)定物的圖像數(shù)量已經(jīng)達(dá)到要求時(shí),可根據(jù)以下就求得出一臺(tái)相機(jī)內(nèi)部參數(shù):v(3-23)u(3-24)λ=(3-25)α=(3-26)β=(3-27)γ=?(3-28)上面得到的解實(shí)際上是沒有意義的，因此為了增強(qiáng)結(jié)果的準(zhǔn)確性，需要使用最大自然數(shù)估計(jì)來進(jìn)行優(yōu)化。i=1(3-28)上式中的mA,3.5相機(jī)標(biāo)定的實(shí)現(xiàn)（1）標(biāo)定物照片根據(jù)式（3-22）可知，只有當(dāng)標(biāo)定物照片大于等于三張時(shí)，才能求解出相機(jī)的內(nèi)部參數(shù)，因此首先將棋盤標(biāo)定物根據(jù)不同的傾斜程度、角度捕捉三張圖片，要注意在捕捉圖片的過程中不能調(diào)節(jié)相機(jī)的參數(shù)，保證拍攝每張照片時(shí)焦距相同，選擇的棋盤標(biāo)定物橫向與縱向的格子應(yīng)該不一致，這樣便于確定標(biāo)定板的方向。圖3-6標(biāo)定物照片（2）提取角點(diǎn)信息opencv中的findchessboardcorners()函數(shù)主要用于通過提取一個(gè)棋盤格中的內(nèi)部角度點(diǎn)的函數(shù),通過這個(gè)圖3-7的函數(shù)就能夠判斷捕捉得到的一個(gè)圖像內(nèi)部是否包含有其他一個(gè)棋盤格類型的圖案,并且可以檢測出內(nèi)部的角度。圖3-7判斷是否存在角點(diǎn)（3）提取亞像素角點(diǎn)信息通過對(duì)上一步提取的焦點(diǎn)信息進(jìn)行亞像素信息提取，可以提高檢測精度，進(jìn)而降低標(biāo)定過程中產(chǎn)生的偏差，cornerSubPix和find4QuadCornerSubpix函數(shù)都可以完成對(duì)亞像素角點(diǎn)信息的提取工作，但在相機(jī)標(biāo)定的情況下，后者比前者有更高的檢測精度，因此本設(shè)計(jì)采用的是find4QuadCornerSubpix函數(shù)。圖3-8亞像素角點(diǎn)捕捉（4）繪制角點(diǎn)繪制內(nèi)部角點(diǎn)的實(shí)現(xiàn)主要是依靠drawchessboardcorners函數(shù)進(jìn)行實(shí)現(xiàn),它可以在捕捉得到的圖像中畫出已經(jīng)被檢測得到的各個(gè)內(nèi)部角點(diǎn),并且如果已經(jīng)被檢測得到了各個(gè)內(nèi)部角點(diǎn),那么該函數(shù)還可能會(huì)將各個(gè)內(nèi)部角點(diǎn)通過一條直線相互地連接在一起來,如果其中存在的內(nèi)部角點(diǎn)未被檢測得到,那么該函數(shù)就可能會(huì)將已經(jīng)被檢測得到的內(nèi)部角點(diǎn)使用紅顏色圓圈被標(biāo)識(shí)。如圖所示為已經(jīng)提取完角點(diǎn)并繪制角點(diǎn)的結(jié)果圖像。圖3-9繪制角點(diǎn)代碼圖3-10繪制角點(diǎn)效果圖圖3-11輸出角點(diǎn)坐標(biāo)（5）相機(jī)標(biāo)定在上一步通過角點(diǎn)繪制得到一個(gè)角點(diǎn)坐標(biāo)后,可以考慮使用calibratecamera函數(shù),這個(gè)函數(shù)是為了求出相機(jī)所標(biāo)定的主要角度函數(shù),可以直接用來求出相機(jī)的內(nèi)外部參數(shù)矩陣、畸變參數(shù)、旋轉(zhuǎn)角度矩陣以及平面矢量，相機(jī)標(biāo)定使用幾張標(biāo)定板圖片，就會(huì)輸出幾組旋轉(zhuǎn)矩陣以及平面向量，本實(shí)驗(yàn)一共輸出三組，如下圖所示。圖3-12圖像與相機(jī)相關(guān)參數(shù)（6）評(píng)價(jià)標(biāo)定結(jié)果相機(jī)的標(biāo)定實(shí)際上本身就是一個(gè)優(yōu)化的過程,我們?cè)趯?duì)三維空間中的三維點(diǎn)坐標(biāo)進(jìn)行投影得到的圖像上時(shí),需要通過計(jì)算三維空間投影得到的偏差點(diǎn)坐標(biāo)之間的差值,當(dāng)這個(gè)偏差值越小時(shí),評(píng)價(jià)相機(jī)標(biāo)定結(jié)果就會(huì)越好。需要對(duì)每一幅圖像進(jìn)行焦點(diǎn)差值比對(duì)，最終輸出平均值，代碼實(shí)現(xiàn)以及效果如圖3-13、3.14所示。圖3-13評(píng)價(jià)程序圖3-14評(píng)價(jià)結(jié)果（7）圖像矯正根據(jù)這一步驟(五)我們可以通過求解圖像輸入出一臺(tái)相機(jī)的內(nèi)外參數(shù)矩陣、畸變參數(shù),可以把原本不是很標(biāo)準(zhǔn)的圖像,調(diào)整成沒有任何畸變效果的圖像,這個(gè)功能的設(shè)計(jì)和實(shí)現(xiàn)需要依靠initundistortrectifymap和remap函數(shù),需要先通過計(jì)算畸變的映射,在結(jié)果基礎(chǔ)上將其引用并輸入到圖像上。圖3-15圖像校正代碼圖3-16矯正后的圖像（8）保存結(jié)果在相機(jī)標(biāo)定過程中求出的相機(jī)內(nèi)外參數(shù)、角點(diǎn)坐標(biāo)等相關(guān)信息需要保存到文件當(dāng)中，便于后續(xù)對(duì)零件檢測捕捉圖像過程中調(diào)用，進(jìn)行相機(jī)標(biāo)定，消除畸變圖像的影響，因此在編碼過程中需要實(shí)時(shí)將數(shù)據(jù)寫入文件中圖3-17數(shù)據(jù)寫入文件經(jīng)過以上七個(gè)步驟后，相機(jī)標(biāo)定工作已經(jīng)完成，根據(jù)程序設(shè)計(jì)的MFC界面只保留焦點(diǎn)捕捉、圖像矯正以及相機(jī)標(biāo)定的按鈕，首先需要輸入測量角點(diǎn)數(shù)，測量角點(diǎn)數(shù)是與選用的棋盤標(biāo)定板直接相關(guān)的，若輸入錯(cuò)誤的XY值，則程序會(huì)提示輸入錯(cuò)誤，只有正確之后可以進(jìn)行下一步操作，界面添加了評(píng)價(jià)標(biāo)定結(jié)果的輸出框，可以監(jiān)控相機(jī)標(biāo)定的結(jié)果準(zhǔn)確性，界面運(yùn)行如圖3-12所示。圖3-18相機(jī)標(biāo)定界面第4章顏色識(shí)別程序設(shè)計(jì)4.1顏色空間模型顏色模型主要大致可以劃分為兩大基本類別,其中rgb、cmyk、ycbcr分別是一種面向用于硬件和電子設(shè)備的顏色模型,另一種則是面向用于視覺和感知的模型，其中包含HIS、HSB、HSV。顏色是一個(gè)物體固有的特性，可以作為一個(gè)檢測標(biāo)準(zhǔn)，在機(jī)器視覺中，顏色識(shí)別是一個(gè)比較重要的功能，尤其針對(duì)現(xiàn)代產(chǎn)品顏色豐富多彩，因此顏色識(shí)別變得更為重要[28]。接下來主要介紹HSV與RGB顏色空間模型。（1）RGB模型RGB顏色模型是通過紅、綠、藍(lán)三種顏色互相搭配組成不同的顏色，它是應(yīng)用最廣的顏色模型。如下面框圖所示,rgbc的顏色坐標(biāo)模型關(guān)系就是這樣建立在一個(gè)笛卡爾顏色坐標(biāo)系理論中的，坐標(biāo)系的xyz軸分別代表三種基本顏色，式（4-1）表示的是顏色配方公式：C=rR+gG+bB(4-1)其中r=g=b=(4-2)r+g+b=1(4-3)RGB顏色空間雖然應(yīng)用廣泛，但它不是很直觀，在面對(duì)一組RGB的顏色坐標(biāo)時(shí)，很難直接判斷出坐標(biāo)所表示的顏色，因此不能符合人們對(duì)色彩的感知。最重要的一點(diǎn)是RGB顏色相對(duì)來說，不屬于均勻分布的，因此當(dāng)比較兩種顏色時(shí)不能通過坐標(biāo)之間的距離進(jìn)行對(duì)比。圖4-1RGB顏色空間圖4-2RGB通道提取圖（2）HSV模型hsv顏色模型的參數(shù)h代表視覺色調(diào),s代表飽和度,v代表視覺亮度。hsv模型主要是由rgb模型進(jìn)行演化而來,如圖所示h的取樣量值可以用旋轉(zhuǎn)角度來表示,范圍為360°,從一條紅色的逆時(shí)針到另一條綠、藍(lán)三種形式。飽和度s表示的特點(diǎn)就是它們的顏色和光譜物質(zhì)相互之間的接近程度,顏色隨著飽和度的增加而逐漸地加深,高的飽和度則代表著更為深的。亮度v所代表的也就是顏色明亮,當(dāng)其光照率達(dá)到最高的亮度值1時(shí),顏色就會(huì)被顯示成為白色，但是亮度并不影響光強(qiáng)度。由對(duì)比可以看出，HSV模型相對(duì)來說更容易對(duì)模型中的顏色進(jìn)行判斷。圖4-3HSV顏色空間圖4-4HSV通道提取圖4.2顏色空間轉(zhuǎn)換不同的梯度圖像在不同色彩梯度空間中所需要使用的色彩場合和應(yīng)用范圍不同,因此在我們進(jìn)行梯度圖像顏色處理時(shí)經(jīng)常都會(huì)對(duì)它分別進(jìn)行不同梯度圖像間的顏色梯率空間的梯度變化和色彩轉(zhuǎn)換,由此為rgbsv圖像的不同顏色梯度空間色彩變化為rghsvsv圖像的不同顏色梯度空間的色彩變化轉(zhuǎn)換計(jì)算公式在此列表顯示如下

H=cos(4-4)S=(4-5)V=(4-6)需要特別注意的一點(diǎn)其實(shí)是就是不同的軟件圖像編輯使用軟件環(huán)境下的條件不同情況下的在hsv的圖像取的閾值也可能應(yīng)該大致是不同的,在各種類的圖像編輯修剪處理軟件中,h的圖像取的閾值溫度范圍一般都取的應(yīng)該大致是0-360,s和h和v的圖像取的閾值溫度范圍都應(yīng)該是0°-100°,而在我們使用opencv中將圖像的類型定義為ipl_depth_32f時(shí),hsv的取值范圍與前者相同，但如果使用的圖像種類為IPL_DEPTH_8UC時(shí)，S與V的取值范圍都變成了0-255，類似于RGB模式下的取值?？梢栽谙乱徽鹿?jié)整理出的HSV顏色區(qū)間分布中發(fā)現(xiàn)這種情況。4.3顏色識(shí)別的實(shí)現(xiàn)顏色圖像識(shí)別應(yīng)用程序的軟件設(shè)計(jì)基本思路主要的就是首先將捕捉到的顏色圖像從其中的r和rgb兩個(gè)顏色識(shí)別空間進(jìn)行轉(zhuǎn)變而成為了rhsvv的顏色識(shí)別空間，然后根據(jù)目標(biāo)要求顏色劃分HSV區(qū)域，然后通過開運(yùn)算對(duì)捕捉后的圖像進(jìn)行優(yōu)化，最終輸出結(jié)果，因?yàn)轭伾R(shí)別任務(wù)是識(shí)別特定的顏色，因此對(duì)于精度并沒有要求。流程圖如下所示：圖4-5顏色識(shí)別流程圖首先通過cvtColor函數(shù)對(duì)捕捉到的RGB圖像轉(zhuǎn)化為HSV圖像，因?yàn)橄鄬?duì)于RGB顏色空間，HSV可以通過H的值就大致可以推斷出物體的顏色，因此經(jīng)常選用HSV顏色空間來進(jìn)行物體顏色的處理。因?yàn)椴煌念伾珜?duì)應(yīng)著不同的HSV區(qū)間，如圖4-6所示，不同顏色所對(duì)應(yīng)著不同的HSV的區(qū)間，根據(jù)顏色區(qū)間，將所有的顏色像素標(biāo)記為255或者0，輸出二值化的圖像。圖4-6顏色的HSV區(qū)間通過上圖的顏色區(qū)間，在程序中設(shè)置了不同的判斷條件，根據(jù)要捕捉的目標(biāo)顏色不同，調(diào)用不同的HSV的值，實(shí)現(xiàn)過程如下圖所示：圖4-7藍(lán)色的HSV區(qū)間本實(shí)驗(yàn)在顏色識(shí)別上進(jìn)行了優(yōu)化，對(duì)于輸出結(jié)果圖像，最原始的是使用二值圖顯示目標(biāo)顏色圖像，通過設(shè)置閾值，當(dāng)圖像顏色不在閾值范圍時(shí)時(shí)，將顏色設(shè)置為黑色，目標(biāo)顏色設(shè)置為白色，如圖4-8所示。圖4-8二值圖顯示本設(shè)計(jì)進(jìn)行了輸出圖像的優(yōu)化，沒有使用處理好的二值圖像，而是根據(jù)輪廓重新繪制圖像如圖4-9所示，定義了復(fù)制圖像輪廓的函數(shù)，可以實(shí)現(xiàn)在空白頁上繪制與原圖像相同的輪廓。圖4-9自定義函數(shù)然后將原圖上目標(biāo)顏色重新賦值給新圖像，因此最終輸出的結(jié)果，是在原圖像的基礎(chǔ)上保留了多有的目標(biāo)顏色，將非目標(biāo)顏色剔除掉。圖4-10識(shí)別效果圖第5章形狀識(shí)別與測量程序設(shè)計(jì)5.1形狀識(shí)別與測量程序設(shè)計(jì)螺栓、螺母、墊片在生產(chǎn)生活中是最為常見的零件，且尺寸相對(duì)較小，不宜與測量和分離，因此本文以這三種零件為例，開展對(duì)零件的形狀和尺寸的識(shí)別研究。對(duì)于顏色相同而形狀不同的零件分離，就需要對(duì)零件的形狀特征進(jìn)行提取，在對(duì)顏色提取完成后，系統(tǒng)只保留選定的目標(biāo)顏色的零件，然后需要對(duì)形狀進(jìn)行檢測。本實(shí)驗(yàn)需要完成對(duì)螺栓、螺母與墊片的識(shí)別、分離、測量工作，首先通過圖像預(yù)處理，消除各種干擾因素對(duì)圖像的影響，再通過圖像邊緣檢測技術(shù)，將圖像的輪廓展現(xiàn)出來，然后通過外接矩形完成對(duì)這三類零件的整體尺寸測量，通過長寬比例關(guān)系確定這三類零件的類別，再通過外接矩形完成對(duì)該零件的尺寸測量。具體流程如下圖所示：圖5-1分類與測量流程圖5.2圖像預(yù)處理5.2.1圖像校正根據(jù)第三章的內(nèi)容可知，CCD相機(jī)在捕捉物體圖像時(shí)，產(chǎn)生的徑向畸變和切向畸變導(dǎo)致測量精度出現(xiàn)問題，因此需要對(duì)采集到的圖像進(jìn)行矯正，本文的第三章內(nèi)容已經(jīng)介紹過圖像矯正的過程，需要使用相機(jī)標(biāo)定過程中計(jì)算出的畸變系數(shù)。5.2.2圖像濾波在我們捕捉一個(gè)圖像時(shí),由于設(shè)備和環(huán)境的變化等原因,會(huì)使其產(chǎn)生一定的噪聲,影響到對(duì)圖像的處理,因此這種圖像濾波方法就是在完全保留了圖像的細(xì)節(jié)性和特點(diǎn)的前提下,對(duì)圖像的噪聲信號(hào)進(jìn)行處理，因此圖像濾波的結(jié)果直接決定了后續(xù)尺寸測量和分析的準(zhǔn)確性。以下比較幾種去除噪聲的方法。圖5-2原圖與噪聲圖對(duì)比（1）均值濾波均值濾波算法是最常用的一種噪聲處理算法,如果我們考慮到頻率域,那么對(duì)于低通噪聲的處理就可以進(jìn)行類似于低通噪聲的處理,它們可以把高頻率的噪聲信號(hào)去掉,因此在圖像中如果有存在尖銳的噪聲,那么對(duì)于平均值的濾波就可以完全地消除噪聲去掉，讓圖像變得平滑。均值系數(shù)濾波計(jì)算方法就是用所有靠近目標(biāo)點(diǎn)的像素靠近點(diǎn)的一個(gè)平均值系數(shù)來計(jì)算代替所有靠近目標(biāo)點(diǎn)的像素點(diǎn),計(jì)算公式可以表示一下如式（5-1）所示。g(4-6)均值濾波并沒有很好地保留一個(gè)圖像中其他的細(xì)節(jié),在我們完成一個(gè)去噪任務(wù)的過程中,會(huì)嚴(yán)重破壞一個(gè)圖像中的部分和細(xì)節(jié),會(huì)導(dǎo)致圖像更加模糊。圖5-3原圖與均值濾波處理后的圖像（2）中值濾波中值濾波和平均值濾波相似,但是中值濾波對(duì)于消除胡椒噪聲來說，效果更加好。中值濾波的主要工作原理之一就是,將周圍的像素和中心的像素進(jìn)行排序之后即可獲得中值，而均值函數(shù)取得是像素均值。因此中值濾波會(huì)使像素值更加柔和。圖5-4原圖與中值濾波處理后的圖像（3）高斯濾波高斯濾波法即是一種非常接近線性的平滑微分濾波,能夠有效地去除高斯的噪聲。高斯濾波法掃描是一種使用高斯模板對(duì)鄰域內(nèi)所有每個(gè)像素焦點(diǎn)進(jìn)行濾波掃描,用高斯模板的各種方法對(duì)它來進(jìn)行計(jì)算和分析確定一個(gè)相鄰域內(nèi)每個(gè)焦點(diǎn)像素的一個(gè)焦點(diǎn)加權(quán)值的平均像素灰度,然后用它使其焦點(diǎn)作為一個(gè)灰度值給出來用它代替高斯模板的一個(gè)中心作為像素的焦點(diǎn)。高斯模板的參數(shù)可以由式（4-6）計(jì)算出。G(4-6)高斯濾波在圖像處理中最為常用，也相當(dāng)于低通濾波的作用，同時(shí)高斯濾波可以較好地抑制正態(tài)分布噪聲。圖5-5原圖與高斯濾波處理后的圖像經(jīng)過分析對(duì)比,發(fā)現(xiàn)采用均值高斯濾波進(jìn)行處理后的兩張圖像,邊緣處的信息內(nèi)存缺失嚴(yán)重高斯濾波幫助去除外部噪聲的處理效果最明顯,高斯濾波和圖像中值高斯濾波在有效地幫助去除圖吹一些減少外部噪聲的信息同時(shí),圖像內(nèi)部邊緣處的信息也被很好保留留了下來，處理的效果高斯濾波更符合本設(shè)計(jì)要求。本設(shè)計(jì)選用高斯濾波進(jìn)行圖像的預(yù)處理。5.3邊緣檢測由濾波操作后，雖然消除了噪聲，但也使圖像的輪廓變得模糊，這樣就對(duì)后續(xù)檢測工作產(chǎn)生了影響，且并不容易處理，因此需要通過邊緣檢測技術(shù)對(duì)圖像進(jìn)行處理，使得邊緣更加清晰。邊緣測量檢測常見的一階邊緣測量檢測算子方法主要算子有二階sobel算子和socanny曲線算子等,二至三階高級(jí)邊緣測量檢測的常用算子主要方法有aplaplacianny算子等。根據(jù)總體設(shè)計(jì)方案要求對(duì)其的sobel算子、canny函數(shù)算子以及其slaplaciany的算子模型進(jìn)行了綜合分析。（1）Soble算子soble邊緣檢測方法就是選擇3*3鄰域?qū)λ邢袼攸c(diǎn)進(jìn)行做一個(gè)運(yùn)算,通過灰度值可以計(jì)算出一個(gè)加權(quán)值,然后再去判斷這個(gè)像素點(diǎn)在灰度值上是否達(dá)到了極值，由此來進(jìn)行邊緣檢測。圖5-6Sobel邊緣檢測sobel顏色邊緣圖像檢測在顏色灰度逐步發(fā)生變化的邊緣圖像以及顏色噪音較大時(shí)均可進(jìn)行更加有效的邊緣圖像著色處理。但它在天線邊緣上的節(jié)點(diǎn)定位精度不高,因此其定位精度相對(duì)低。（2）Canny算子canny天線邊緣的噪聲檢測不容易發(fā)現(xiàn)受到其他噪聲源的影響。使用視圖canny進(jìn)行邊緣幅值檢測首先我們可能需要將目前待進(jìn)行檢測的兩個(gè)梯度圖像都分別進(jìn)行了梯度去噪聲的處理,得到稍模糊的兩個(gè)梯度圖像,然后再我們利用同一個(gè)點(diǎn)的梯度階偏導(dǎo)的有限值和差分梯度方程式等就可以很精確地直接計(jì)算和得出兩個(gè)不同梯度之間的邊緣幅值和梯度方向,最后再次進(jìn)行邊緣檢測并將其與梯度連接。圖5-7Canny邊緣檢測（3）Laplacian算子aplacian算子相對(duì)來說受到的噪聲波動(dòng)影響比較嚴(yán)重,在開始使用這種算子之前,圖像一般都需要先經(jīng)過平滑的處理。根據(jù)圖像處理的原理,二階導(dǎo)數(shù)法也可以被廣泛應(yīng)用來對(duì)圖像的邊緣性檢測,因?yàn)檫@種圖像法通常需要在兩個(gè)相同的方向上分別進(jìn)行求導(dǎo)，因此使用Laplacian算子可以更簡單地解出。圖5-8Laplacian邊緣檢測通過以上的對(duì)比我們決定了選用canny算子進(jìn)行對(duì)圖像的邊緣檢測,其中canny算子具有一個(gè)很重要的參數(shù)為雙閾值[29],一般的對(duì)圖像進(jìn)行邊緣檢測算子只是使用一個(gè)閾值來抑制和消除圖像產(chǎn)生的噪聲,而canny算子則是使用低高閾值來抑制噪聲的影響,高閾值檢測得出來的為強(qiáng)邊緣點(diǎn),低閾值以下的在邊緣上也會(huì)被舍去，只保留高低閾值之間的邊緣，因此為選取合適的高低閾值，對(duì)圖像邊緣捕捉進(jìn)行了測試，根據(jù)實(shí)驗(yàn)如下圖所示，左側(cè)的閾值為20-50，噪聲對(duì)圖像的影響比較大，因此邊緣非常不平滑，中間的圖像為閾值50-100，右側(cè)的閾值為100-150，兩圖相差不大，但右側(cè)的圖像在處理過程中在圖像的邊緣位置會(huì)產(chǎn)生白點(diǎn)，影響對(duì)邊緣的捕捉，因此選用的閾值為50-100。圖5-9不同閾值對(duì)邊緣捕捉的影響5.4最小包圍矩形經(jīng)過了邊緣檢查算法后我們就可以有效地讓物體的邊緣狀態(tài)信息被保留了下來,利用findcontours函數(shù)我們就可以有效地獲得包圍物體圖像的最小矩形,其中函數(shù)在輪廓檢查模式中應(yīng)該是選擇cv_retr_external,這樣就能夠只對(duì)于圖像外圍的輪廓,內(nèi)圍的輪廓進(jìn)行忽略,在其中求得最小的包圍矩形后,可以通過輸出矩形的兩個(gè)長與寬,根據(jù)兩個(gè)長與寬之間的比值來設(shè)置一個(gè)閾值，因?yàn)槁菟?、螺母與墊片的最小外接矩形比例