基于超聲傳感技術的視覺自動識別系統(tǒng)1

視覺傳感器能直觀反映物體的外部信息,但單個攝像頭只能獲得物體的二維圖像,立體視覺雖能提供三維信息,但對于外形相同,僅深度有差別的物體難以識別(如有孔物體、階梯狀物等) ,且對環(huán)境光線有一定的要求. 由于超聲傳感器具有對光線、物體材料等不敏感,結構簡單,能直接獲取待測點至傳感器的距離等特點,因此本文采用視覺與超聲測量相結合的方法,將二維圖像信息與超聲波傳感器獲取的深度信息進行融合推斷,對待裝配工件進行自動識別與空間定位,并確定機械手末端執(zhí)行器的空間位置與姿態(tài),使其能在合適的部位準確抓取工件.

　　1 系統(tǒng)原理與結構

　　系統(tǒng)由機械手、CCD 視覺傳感器和超聲波傳感器及相應的信號處理單元等構成. CCD 安裝在機械手末端執(zhí)行器上,構成手眼視覺,超聲波傳感器的接收和發(fā)送探頭也固定在機器人末端執(zhí)行器上,由CCD 獲取待識別和抓取物體的二維圖像,并引導超聲波傳感器獲取深度信息. 系統(tǒng)結構如圖1 所示.

　　圖像處理主要完成對物體外形的準確描述,包括以下幾個步驟:a. 圖像邊緣提取;b. 周線跟蹤;c. 特征點提取; d. 曲線分割及分段匹配;e. 圖形描述與識別.在提取物體圖像邊緣后, 采用周線跟蹤進行邊緣細化,去除偽邊緣點及噪聲點,并對組成封閉曲線的邊緣點進Freeman 編碼,記錄每一條鏈碼方向和曲線上各點的X-Y 坐標值,便于進一步對物體的幾何特性進行分析. 本研究對傳統(tǒng)的周線跟蹤算法中邊緣點的搜索方向與順序進行了改進,并在搜索過程中采取了及時消除冗余點的方法,減小了數(shù)據(jù)量與運算時間,而且具有較好的降噪及平滑效果. 在提取圖像特征點時,將多邊形近似法與計算曲率的方法相結合, 可克服多邊形近似法易產(chǎn)生偽特征點和計算曲率法計算量過大的缺點.CCD 獲取的物體圖像經(jīng)處理后,可提取對象的某些特征,如物體的形心坐標、面積、曲率、邊緣、角點及短軸方向等. 根據(jù)這些特征信息,可得到對物體形狀的基本描述,在圖像處理的基礎上,由視覺信息引導超聲波傳感器對待測點的深度進行測量,獲取物體的深度(高度) 信息,或沿工件的待測面移動,超聲波傳感器不斷采集距離信息,掃描得到距離曲線,根據(jù)距離曲線分析出工件的邊緣或外形[1 ] . 計算機將視覺信息和深度信息融合推斷后,進行圖像匹配、識別,并控制機械手以合適的位姿準確地抓取物體.

　　2 工件圖像邊緣的提取

　　復雜工件反映在圖像上常常不止一個灰度等級,僅利用一個灰度閾值無法提取有意義的邊緣.

　　若采用多閾值的方法,必然會增加計算時間和圖像處理的復雜程度. 對于類別方差自動門限法,增加門限值不僅會提高數(shù)據(jù)處理復雜程度,而且當閾值多于2 個時,算法的可靠性就會受到影響. 為此采用了直接從灰度圖像提取邊緣的方法.圖像邊緣一般發(fā)生在灰度函數(shù)值不連續(xù)處,可用灰度函數(shù)的一階或二階導數(shù)求得. 經(jīng)典的利用一階導數(shù)提取邊緣的方法有Robert s 算子、So2bel 算子等, 利用二階導數(shù)提取邊緣的方法有Laplacian 算子和Marrs2Hilderth 算子等. 通過對幾種算法的分析比較,認為Sobel 算子不僅實現(xiàn)容易、運算速度快,而且可提供最精確的邊緣方向估計.Sobel 算子由兩個3 ×3 相差90°的算子構成,由這兩個算子同圖像卷積, 可得到圖像的邊緣及其方向. 對于數(shù)字圖像{ f ( i , j ) ｝ , Sobel 算子可表示為:

　　Gx ( i , j) = f ( i - 1 , j - 1) +2 f ( i - 1 , j) + f ( i - 1 , j + 1) - f ( i + 1 ,j - 1) - 2 f ( i + 1 , j) - f ( i + 1 , j + 1) ;

　　Gy ( i , j) = f ( i - 1 , j - 1) +2 f ( i , j - 1) + f ( i + 1 , j - 1) - f ( i - 1 ,j + 1) - 2 f ( i , j + 1) - f ( i + 1 , j + 1) .

　　采用G1 = | Gx | + | Gy| 得到梯度幅值后,為減少所抽取的邊緣數(shù)目,可設置一個幅度門限,即只考慮對應灰度變化較大的那些邊緣. 再利用邊緣點具有局部幅度最大的特點,將邊緣細化.利用Sobel 算子提取邊緣后, 為了得到工件表面的尺寸信息, 還必須提取圖像的角點[2 ] , 以便計算工件的邊長等特征信息.