傳送帶上運動物品的動態(tài)圖像捕捉和幾何參數(shù)測
加入技術交流群
關鍵詞：視頻捕捉 圖像恢復 在線測量
1 引 言
在自動化生產(chǎn)過程中，傳送帶和物流系統(tǒng)是生產(chǎn)線的重要組成部分。通常情況下為了實現(xiàn)物品的分類處理或完成產(chǎn)品的質量控制等，我們需要了解物品的某些細節(jié)情況如幾何參數(shù)，因此，基于圖像處理的測量方法得到越來越多的應用。測量方式主要有靜態(tài)和動態(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，而動態(tài)方式下則得不到清晰的圖像。
在某些場合下，無法獲得靜態(tài)圖像，而運動目標的成像又會造成圖像質量的下降, 為避免出現(xiàn)圖像的降質，或者考慮到其它因素如機械傳動系統(tǒng)、運動特性等，我們一般采用運動狀態(tài)下的圖像捕捉和處理的方法。雖然采用平穩(wěn)運動系統(tǒng)可以減少傳動過程中的振動，提高系統(tǒng)的運轉效率，簡化系統(tǒng)的設計，但同時圖像處理的時間也會加長。
本文將動態(tài)的圖像測量方法應用于羽毛球生產(chǎn)過程中的毛片彎度等參數(shù)的測量，介紹了整個系統(tǒng)的組成和運行的情況，并提供了過程的主要結果。
2 運動圖像的恢復原理
了解運動圖像的恢復原理，首先應了解圖像的運動模型。
根據(jù)Gonzalez水平圖像運動模型〔1〕，設原圖像為f（x，y），在曝光時間T內原圖像沿水平方向移動距離為a，移動速度恒定且曝光線性，則
這是一個遞推關系式，說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(shù)總可以求得。只要求出長度為a的圖像，整個圖像都可以根據(jù)上述遞推關系獲得。
設m為x／a的整數(shù)部分，恢復圖像可以由下式近似得出〔2〕
圖像恢復的質量取決于恢復關系式中各參數(shù)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現(xiàn)自動搜索的方法。本文的測量環(huán)境下，由于運動速度恒定，參數(shù)a一旦確定后當作一個參數(shù)來處理。
3 基于圖像處理的幾何參數(shù)計算
3．1 羽毛球毛片參數(shù)
羽毛球質量的重要指標是其飛行的穩(wěn)定性，即在飛行中不出現(xiàn)搖擺或變線。羽毛球飛行的氣動機理十分復雜，這里不作研究。只要能保證形狀相同的毛片插在同一個球上，則在正常工序下生產(chǎn)出來的羽毛球就會具有良好的飛行穩(wěn)定性。傳統(tǒng)的測量方法不僅速度慢而且夾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行動態(tài)捕捉和處理，獲得毛片的形狀參數(shù)后按形狀參數(shù)分檔，保證具有相同形狀的16根毛片插在同一個羽毛球上。
毛片的主要幾何參數(shù)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與其切線在頂部位置處的水平距離，拱度為毛片在平放時的拱高。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，最后計算彎度值。在此過程中粗細也同時得出。
3．2 圖像的邊緣提取和邊緣數(shù)據(jù)的采集
物體的邊緣在圖像上反映出局部特性的不連續(xù)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，實際的邊緣變得十分復雜?！?BR> 邊緣檢測通常采用微分類算子實現(xiàn)。這類算子有Sobel算子、Kirsh算子和Laplacian算子等，前兩個算子為梯度算子，后者為二階微分算子。Sobel梯度算子在兩個方向上選取微分大的值作為其梯度值，顯然當兩個方向上微分值大小相等時梯度的誤差最大；而Kirsh則在八個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(jù)；Laplacian算子則是不依賴邊緣方向的二階算子，具有旋轉不變性。
由于微分類算子的固有特性，邊緣檢測都會受到噪聲影響。采用濾波方法可以有效地抑制噪聲的干擾，但同時也給邊緣產(chǎn)生一定程度的鈍化，這種鈍化作用會影響邊緣的提取 ，因此關鍵在于濾波方案的選擇。上述微分類算子都采用了濾波方法 。Sobel算子采用了三點加權平均，當邊緣在水平或豎直方向時，實際的濾波沿著邊緣進行，因此濾波對邊緣的鈍化作用最小；而當邊緣在45°或135°方向時，濾波點與邊緣在方向上相差最大，此時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意的結果。
3．3 毛片參數(shù)測量
從圖像處理獲得的毛桿形狀會因為圖像噪聲和測量環(huán)節(jié)的誤差而帶有毛刺，通過處理得到的毛桿中心往往不光滑而且會出現(xiàn)不連續(xù)點。
曲線上某一點的切線用相近兩點的連線來近似。當兩點的距離接近時，連線就可以看作切線。這一方法實現(xiàn)時簡單，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點進行曲線擬合，然后從擬合后的曲線獲得某一點的切線，并計算出毛片的彎度。
曲線擬合采用多項式的最小二乘法。對每一根毛桿，沿著Y方向選取N組坐標（Xi ，Yi），以X作為變量，Y為自變量選定曲線的方程為
對上述線性方程組，可獲得多項式系數(shù)。
最后要考慮的問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，而在彎度測量時將毛桿投影在水平面內進行測算，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際的參數(shù)。
4 動態(tài)圖像捕捉和幾何參數(shù)測量在羽毛分揀中的應用
4．1 測量系統(tǒng)組成
羽毛幾何參數(shù)動態(tài)測量系統(tǒng)包括以下幾個部分：（1）傳送帶。由穩(wěn)速電機驅動，使擺放在上面的羽毛能夠以恒定速度平穩(wěn)進入攝像區(qū)域。采用減振機構以減少傳送帶的上下振動。（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CCD攝像頭、精工16mm手動光圈鏡頭和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補償濾波，圖像特征參數(shù)提取，毛桿輪廓擬合和圖像參數(shù)輸出。計算機采用PⅢ微機。
圖像特征參數(shù)來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算子檢測。由于毛桿邊緣方向通常在豎直方向附近的一個小范圍內變化，根據(jù)實際毛片的擺放情況毛桿邊緣方向一般在豎直偏左右10°以內，因此采用5×3豎向的條形核。
毛桿中心線的擬合采用前面敘述的方法，沿毛桿頂部到根部選取15個點，擬合出三階多項式的四個系數(shù)。事實上，三階多項式對毛桿的彎度計算已經(jīng)足夠。
在實時測量中，處理的速度尤為重要，它將影響整個系統(tǒng)的效率和效益。根據(jù)上述分析，運動圖像的恢復只需要在有限行進行，這樣能夠減少圖像恢復所需要的時間。
減少計算時間的主要途徑是采用遞推關系。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進行累加實現(xiàn)恢復運算。在編程時，開辟a個單元存貯，將會節(jié)省大量時間。
為提高處理的速度，在視頻圖像捕捉時將圖像轉存到內存，并由程序訪問已存圖像完成處理運算。這樣可以避免外設訪問，減少一個循環(huán)內的處理時間。
4．2 主要結果
對傳送帶上均勻擺放的毛片進行動態(tài)捕捉后獲得模糊的圖像，如圖2所示。捕捉的時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 ，實際上用作系統(tǒng)調試時作參考，如鏡頭光圈設定、處理中閾值設定等。在實際應用中，圖像的恢復和參數(shù)計算作為一個任務執(zhí)行，恢復圖像作為中間結果不在屏幕上出現(xiàn)。
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。毛桿的參數(shù)測量也會受到噪聲的影響，但在5×3豎向核的濾波作用下將會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?shù)拈T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，能滿足毛片參數(shù)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．通信學報，2000年7期
3 Castleman K R．DigitalImage Processing．北京：清華大學出版社，1998
4 Tekalp A M．數(shù)字視頻處理．北京：電子工業(yè)出版社，1998 全息投影相關文章:全息投影原理
評論