伊力亞爾·達吾提

【摘 要】論文旨在對物體位姿檢測過程中應用機器視覺的實際效果進行分析。在進行實際驗證過程中使用工業(yè)相機，從兩個方位對目標圖片進行全面采集，在相機進行標定的過程中，選擇的方法是張正友的以2D平面靶標為基礎的標定方法。并且在對目標區(qū)域進行測定的過程中，采用了目標圖像，減去背景圖像并與形態(tài)學運算進行結合的方法來實現初步定位。

【Abstract】The purpose of this paper is to analyze the actual effect of applying the machine vision in the process of object pose detection. In the process of carrying out the actual verification， the industrial camera is used， and the target picture is comprehensively collected from two directions， and during the calibration process of the camera， the method is a calibration method based on the 2D plane target of Zhang Zhengyou. And the method of combining the target image， the background image and the morphological operation is adopted to realize the preliminary positioning in the process of measuring the target area.

【關鍵詞】機器視覺；物體位姿；技術；應用

【Keywords】machine vision； object posture； technology； application

【中圖分類號】TP391.4；TH161 【文獻標志碼】A 【文章編號】1673-1069（2019）03-0174-02

1 引言

工業(yè)零件制造行業(yè)，在進行零件的分解以及甄別時，就將機器視覺技術引入其中，大大提高了實際的分類效率以及甄別效率。而在進行分裂的過程中，需要進行甄別的零件數目非常多，所以也就需要應用機器視覺來對各零件的位姿數據進行檢測。

2 機器視覺在物體位姿檢測中的應用

2.1 采樣圖像處理

2.1.1 圖像背景處理

對于目標圖像進行采集作業(yè)時要確保采集位置的光照是充足的，并且相機在采集過程中不會出現移動。當采集到相關圖像之后，需要在目標圖像和背景圖像之間做差，最終得到目標區(qū)域。但所得到的目標區(qū)域，仍然存在高光區(qū)域，需要在形態(tài)學運算過程中對其進行去除。

2.1.2 形態(tài)學的計算

采用以數學形態(tài)學為基礎的邊緣檢測算法對目標圖像進行提取，可以降低由噪聲所帶來的影響，確保在提取過程中，邊緣處于平滑狀態(tài)[1]。在進行形態(tài)學運算的過程中，膨脹以及腐蝕屬于該算法的最基礎運算，其中，前者能夠對在提取過程中所出現的小空洞進行填補，后者則能夠對在提取過程中所出現的一些連線和小點進行去除。

2.2 圖像的邊緣檢測和匹配

2.2.1 圖像邊緣檢測

圖像擁有諸多特征，在對這些特征進行檢測時，圖像的邊緣以及角點是最主要的特征之一，在實際檢測過程中，檢測方法以及檢測技術有許多種，本文論述過程中所選擇的方法是Hough變換法，通過該方法對圖像的直線邊緣實現檢測處理。該方法在實際檢測過程中是將皮卡爾坐標系當中采用斜率和截距來進行反應的直線，在極坐標系當中，通過極徑以及極角對該直線進行表示，同時還對該直線的相關參數實現了累加，從而達到對該直線進行檢測的目的。因為該檢測屬于局部檢測，并且想通過局部檢測對全面的數據參數進行計算，所以采用此方法能夠將因噪聲和被其他目標覆蓋所引起的影響因素降低到最低，具有較高的容錯性以及魯棒性。

2.2.2 直線匹配

為了得出直線所在三維空間的相關坐標，需要對角點進行匹配。對于機器視覺來講，角點匹配操作難度非常高，但也同時是機器視覺相關功能實現中最重要的步驟。在實際匹配的過程中，為了能夠使匹配的效果達到最優(yōu)，需要增加以下三個約束條件，分別是極限約束，灰度相似性約束以及直線約束[2]。

2.3 物體坐標計算

本文所描述的機器視覺主要用于工廠生產過程中，進行批量零件制作檢測與識別，所以其所面對的目標大多數都是相同的工件，雖然背景不同，但是物體的樣式卻都是相同的，所以在進行圖像采集的過程中，若出現了遮擋會導致某一個物體或者是工件全部信息不能夠得到反饋。但采用已知的物體模板信息，還是能夠對相關的物體進行檢測與識別。例如，在進行檢測的過程中，檢測目標為立方體，但工作人員對于立方體的相關信息僅僅知道其邊長，并且邊長的數值為100mm。對于該物件的位姿確定，能夠通過多種方法來實現。第1種方法，確定立方體的質心以及角點；第2種方法則是將立方體的質心以及一條邊進行準確定位；第3種是通過立方體相互垂直的三條邊來進行位姿確定；第4種是通過立方體的三個角點對其進行確定，除此之外還有很多種方法。在實際檢測過程中，可能在檢測過程中所得到的并不是完整邊界，所以可以通過計算立方體的質心以及角點，來進行位姿確定。

在進行具體計算之前，還需要尋找到能夠符合以下條件的線段，線段數量為三條。①兩線段之間的間距不會比立方體邊長的根號2倍要大；②所尋找到的三條線段，處于相互垂直的關系；③在三條線段空間位置中至少有一個交點。

在后續(xù)的計算過程中，為了能夠準確得到線段的坐標，需要將圖像像素與實際坐標進行轉換，從而得到所尋找的三條線段的端點。然后對已經確定好坐標的三條線段進行單位方向向量的計算，同時對于三條線段的交點坐標也需要進行計算，從而求出長方體質心坐標。

3 結語

機器視覺在工業(yè)領域當中的應用越來越廣泛，通過機器視覺能夠很好地對工業(yè)生產過程中相關產品進行檢測以及定位。所以需要對機器視覺在位姿確定過程中的實際應用原理進行深入分析，并且基于此原理不斷對其進行改善，提高機器視覺在實際應用過程中對各種影響因素的排除效率，增加位姿定位的準確率。通過提高機器視覺的實際使用效率，提升其在工業(yè)領域中的實際應用效果，為工業(yè)生產改革提供更強的助力。

【參考文獻】

【1】李彬， 羅彪. 機器視覺在物體位姿檢測中的應用[J]. 傳感器與微系統， 2016， 35（2）：150-153.

【2】佚名.機器視覺在物體位姿檢測中的應用[J]. 軍民兩用技術與產品， 2018（24）：35.