杜振中
摘 ?要: 為提高運動誤差檢測精度,設計一種基于機器視覺的運動誤差自動校正系統(tǒng)。利用微誤差機構調節(jié)機器視覺模塊、運動誤差校正模塊間的配置緊密程度,實現(xiàn)運動誤差自動校正系統(tǒng)的硬件運行環(huán)境搭建。在此基礎上,對運動點目標進行極化定標處理,再利用此結果計算目標點的相位誤差,并對誤差結果進行耦合校正,實現(xiàn)系統(tǒng)的軟件運行環(huán)境搭建,結合硬件設備條件,完成基于機器視覺的運動誤差自動校正系統(tǒng)設計。對比實驗結果表明,隨著自動校正系統(tǒng)的應用,目標誤差動作捕捉的靈活性、運動誤差校正精度均得到大幅提升,其應用優(yōu)越性明顯高于常規(guī)運動誤差校正系統(tǒng)。
關鍵詞: 機器視覺; 運動誤差; 自動校正; 微誤差機構; 極化定標; 相位誤差
中圖分類號: TN98?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻標識碼: A ? ? ? ? ? ? ? ? ? ? ?文章編號: 1004?373X(2019)19?0107?05
Abstract: A motion error automatic correction system based on machine vision is designed to improve the detection accuracy of motion error. The micro?error mechanism is used to adjust the configuration compactness between machine vision module and motion error correction module to realize the build of hardware operation environment of the motion error automatic correction system. On this basis, the polarization calibration processing is carried out for the moving point target, the phase error of the target point is calculated according to the processing results, and a coupling correction of the error results is conducted to realize construction of software running environment of the system. Design of the motion error automatic correction system based on machine vision has been ?completed in combination with the hardware conditions. The experimental results show that, with the application of automatic correction system, the capture flexibility of target error action and the accuracy of motion error correction has been greatly improved, and its application superiority is obviously higher than that of conventional motion error correction system.
Keywords: machine vision; motion error; automatic correction; micro?error mechanism; polarization calibration; phase error
機器視覺是人工智能領域的重要發(fā)展分支,是一種可以通過機器替代人眼進行測量或判斷操作的處理技術手段。在機器視覺系統(tǒng)中,被攝取目標可以通過相關機器視覺產品轉化成標準的圖像信號,再借助信道傳輸至專門的圖像處理組織中。所謂機器視覺產品是圖像攝取裝置的學術化定義方式,包含CMOS,CCD兩種存在狀態(tài)[1?2]。圖像處理組織中停留的攝取目標條件明確規(guī)定了像素亮度、分布情況、顏色狀態(tài)等物理條件,并以數(shù)字信號的方式為圖像系統(tǒng)的目標處理操作提供數(shù)據(jù)支持,這也是機器視覺技術能夠直接影響目標行進動作的主要原因。
常規(guī)誤差校正系統(tǒng)利用二元振子模型獲取機器運動形態(tài)數(shù)據(jù),再根據(jù)Adams軟件中所有節(jié)點參數(shù)的偏移量確定系統(tǒng)需要對數(shù)據(jù)信息進行的校正程度。這種方法雖然能夠獲取到精確的校正信息量,但存在運動誤差檢測精度低的實際問題。為改善此現(xiàn)狀,建立專門的微誤差機構與校正模塊,并在獲取目標點相位誤差結果的基礎上,搭建一種基于機器視覺的運動誤差自動校正系統(tǒng),通過后續(xù)的實驗探究環(huán)節(jié)突出該系統(tǒng)的優(yōu)越性。
從微誤差機構、機器視覺模塊、運行誤差校正模塊三個方向完成運動誤差自動校正系統(tǒng)的硬件運行環(huán)境搭建,其具體設計流程可按如下步驟進行。
1.1 ?微誤差機構建立
微誤差機構可看作是一個定性頻率無限大的板體框架結構,包含轉子、定子、初級校正膜片、次級校正膜片四項物理集成設備,如圖1所示。
圖1中,轉子配合機器供電裝置,促進機體進入運動行進狀態(tài),且在獲取供應電流的過程中,轉子設備的物理阻值始終不發(fā)生變化。定子設備相當于一個彈片狀態(tài),當機器運動幅度過大或運動頻率過快時,定子會自行撥正已經(jīng)發(fā)生偏移的轉子,并以此促使機器快速降速或降頻[3?4]。初級校正膜片、次級校正膜片是微誤差機構的輔助設備裝置,當轉子、定子完成機器運動誤差控制操作后,初級校正膜片會記錄機器最高行進狀態(tài)時的視覺誤差量,次級校正膜片會記錄機器最低行進狀態(tài)時的視覺誤差量,再通過二者做差值的方式統(tǒng)計得到需校正的運動誤差總量。
1.2 ?機器視覺模塊建立
機器視覺模塊的主體結構包含一個位移平臺和一個電感誤差測微儀。位移平臺用于測量機器組織在運動過程中的物理變化量,并借助導軌裝置將這些數(shù)據(jù)信息傳輸?shù)诫姼姓`差測微儀,以便于后續(xù)誤差校正操作的順利進行。為保證運動誤差校正數(shù)據(jù)不出現(xiàn)過大的物理偏差,機器視覺模塊周圍還分布多個微型的位移傳感器,這些結構組織負責與目標點進行定向傳輸,并將獲取到的分辨率信息傳輸至導軌中[5?6]。根據(jù)自動分配法則可知,導軌中與運動誤差相關的數(shù)據(jù)信息始終保持平均分配的處理原則。微誤差機構作為輔助校正環(huán)節(jié),一方面為機器視覺模塊提供足量的誤差數(shù)據(jù)信息,另一方面可借助導軌,將由供電裝置輸出的電子傳輸至機器視覺模塊,以保證后續(xù)自動校正流程的順利進行。
完整的機器視覺模塊結構如圖2所示。
1.3 ?運動誤差校正模塊建立
運動誤差校正模塊以步進電機作為核心搭建設備。隨著機器運動時間的無限延長,微誤差機構的機器供電裝置會產生大量串行電子,并借助輸出信道和導軌裝置,將這些電子傳輸至機器視覺模塊及其他硬件執(zhí)行結構。當與步進電機相連的輸入裝置感受到電子流的沖擊后,機體會由斷開狀態(tài)轉化為連接狀態(tài),此時校正設備借助聯(lián)軸器與步進電機建立連接,并設置標準的誤差數(shù)據(jù)接收頻率條件,在同一頻率周期內,步進電機會對校正設備傳輸大量的運動誤差數(shù)據(jù)[7?8]。在完整的數(shù)據(jù)傳輸后、下一次傳輸開始前的空檔時間,校正設備開始快速的運動誤差數(shù)據(jù)消耗操作,并在下一頻率周期開始的同時,將已經(jīng)成型的誤差校正指令傳輸至總機器視覺中心。詳細的模塊功能結構如圖3所示。
在硬件執(zhí)行結構的支持下,通過人體運動點目標的極化定標、目標點相位誤差計算、自動誤差耦合校正三個處理步驟完成軟件運行環(huán)境的搭建,兩項結合,實現(xiàn)基于機器視覺運動誤差自動校正系統(tǒng)的順利應用。
2.1 ?機器運動點目標的極化定標
輸入的人體運動圖像通過可訓練的濾波器后產生特征圖。特征圖通過池化和一個激活函數(shù)之后得到新的特征圖像素,對獲取像素的值進行光柵化,并攤平成一個向量,該向量就是這個網(wǎng)絡里提取得到的特征向量。得到的特征向量可以輸入到一個常規(guī)的分類器,最終由分類器進行分類結果的計算和輸出,得到動作的類型。
為避免外界物理條件對實驗結果真實性的影響,實驗組、對照組實驗參數(shù)始終保持一致。
3.2 ?運動靈活性對比
利用Host Computer仿真設備,在50 min的實驗時間內,分別記錄應用實驗組、對照組系統(tǒng)后,F(xiàn)rame Grabber芯片中機器運動靈活性指數(shù)的變化情況。詳細實驗對比結果如表2,表3所示。
對比表2,表3可知,實驗組人體誤差動作捕捉靈活性指數(shù)的最小值達到68.75%,與理想最小值間的差值僅為1.25%,靈活性指數(shù)最大值為76.94%超過理想最大值75%;對照組人體誤差動作捕捉靈活性指數(shù)在整個實驗過程中始終不超過50%,遠低于實驗組平均數(shù)值。綜上可知,在調節(jié)機器運動系數(shù)為0.33的條件下,應用基于機器視覺的運動誤差自動校正系統(tǒng),可使人體誤差動作捕捉靈活性指數(shù)的平均值提升近30%。
3.3 ?運動誤差校正精度參數(shù)對比
利用Host Computer仿真設備,在50 min的實驗時間內,分別記錄應用實驗組、對照組系統(tǒng)后,TUF B450M?PLUS GAMING主機中關于運動誤差校正精度參數(shù)的圖像變化情況。詳細實驗對比結果如圖5所示。
分析圖5可知,隨著實驗時間的增加,實驗組、對照組校正精度參數(shù)均呈現(xiàn)上下波動的變化趨勢,但從實驗開始到實驗結束,實驗組的數(shù)值多數(shù)情況高于理想最大值0.6,而對照組數(shù)值情況最大值僅能達到0.34,低于理想最大值0.6,更遠低于實驗組數(shù)值。綜上可知,本文方法可使運動誤差校正精度參數(shù)始終保持較高水平。
在微誤差機構的支持下,建立機器視覺模塊與運動誤差校正模塊,并通過運動點目標極化定標、目標點相位誤差計算、自動誤差耦合校正三項的理論數(shù)值操作,完成基于機器視覺的運動誤差自動校正系統(tǒng)設計。隨著這種新型系統(tǒng)的應用,人體誤差動作捕捉靈活性指數(shù)、運動誤差校正精度參數(shù)提升明顯,與常規(guī)運動誤差校正系統(tǒng)相比,具備更強的實際使用價值。
參考文獻
[1] 郭璘,王波.交叉路口攝像頭視覺目標標定及誤差校正仿真[J].計算機仿真,2018,35(11):141?144.
GUO Lin, WANG Bo. Camera vision target calibration and error correction simulation at intersection [J]. Computer simulation, 2018, 35(11): 141?144.
[2] 胡國欣,李安,覃方君.基于偽距、偽距率的組合導航誤差校正仿真[J].電子設計工程,2018,26(6):105?108.
HU Guoxin, LI An, QIN Fangjun. Error correction simulation of integrated navigation based on pseudo?range and pseudo?range ratio [J]. Electronic design engineering, 2018, 26(6):105?108.
[3] 郭斌,謝康康,胡曉峰,等.基于機器視覺的四回路保護閥開啟壓力自動調節(jié)系統(tǒng)[J].中國測試,2018,44(4):80?85.
GUO Bin, XIE Kangkang, HU Xiaofeng, et al. Opening pressure automatic adjustment system for four?circuit protective valve based on machine vision [J]. China measurement & tes?ting technology, 2018, 44(4): 80?85.
[4] 陳禺,許黎明,蔣振輝,等.基于機器視覺的開放式復雜輪廓曲線磨削數(shù)控系統(tǒng)[J].制造技術與機床,2017(6):183?187.
CHEN Yu, XU Liming, JIANG Zhenhui, et al. CNC system for profile grinding machine based on machine vision [J]. Manufacturing technology & machine tool, 2017(6): 183?187.
[5] 黃仕磊,廖俊必,徐濤,等.基于機器視覺的液壓閥閥芯關鍵尺寸的自動檢測系統(tǒng)[J].工具技術,2017,51(3):93?97.
HUANG Shilei, LIAO Junbi, XU Tao, et al. Automatic inspection system of partial parameter of valve core based on machine vision [J]. Tool engineering, 2017, 51(3): 93?97.
[6] 梁忠民,王旭偉,寧亞偉,等.基于動力系統(tǒng)反演理論的馬斯京根流量演算誤差校正[J].水力發(fā)電,2017,43(12):9?12.
LIANG Zhongmin, WANG Xuwei, NING Yawei, et al. Study on error correction method of muskingum flow calculation based on dynamic system inversion theory [J]. Water power, 2017, 43(12): 9?12.
[7] 劉勇,姚力波,吳昱舟,等.靜軌光學衛(wèi)星與自動識別系統(tǒng)的目標點跡關聯(lián)與誤差校正[J].電子與信息學報,2018,40(7):1546?1552.
LIU Yong, YAO Libo, WU Yuzhou, et al. Target point tracks association and error correction with optical satellite in geostationary orbit and automatic identification system [J]. Journal of electronics & information technology, 2018, 40(7): 1546?1552.
[8] 陳波,孫天齊,劉愛新,等.分布式孔徑綜合成像系統(tǒng)旋轉和放大率誤差的校正[J].激光與光電子學進展,2018,55(1):297?302.
CHEN Bo, SUN Tianqi, LIU Aixin, et al. Correction of rotation and amplification errors in distributed aperture integrated imaging system [J]. Advances in laser and photoelectronics, 2018, 55(1): 297?302.
[9] 葉思菁,張超,王媛,等.GF?1遙感大數(shù)據(jù)自動化正射校正系統(tǒng)設計與實現(xiàn)[J].農業(yè)工程學報,2017,33(z1):266?273.
YE Sijing, ZHANG Chao, WANG Yuan, et al. Design and implementation of automatic orthorectification system based on GF?1 big data [J]. Transactions of the Chinese society of agricultural engineering, 2017, 33(S1): 266?273.
[10] 楊擴軍,孔祥偉,施佳麗,等.數(shù)理統(tǒng)計和頻譜分析的TIADC誤差校正方法[J].電子科技大學學報,2018,47(1):43?50.
YANG Kuojun, KONG Xiangwei, SHI Jiali, et al. TIADC error correction method of mathematical statistics and spectrum analysis [J]. Journal of University of Electronic Science and Technology, 2018, 47(1): 43?50.
[11] 張宗華,郭佼,王月敏,等.鏡面物體三維測量系統(tǒng)中兩顯示屏的平行正對校正[J].光學精密工程,2017,25(2):289?296.
ZHANG Zonghua, GUO Jiao, WANG Yuemin, et al. Parallel?alignment and correction of two displays in three?dimensional measuring system of specular surfaces [J]. Optics and precision engineering, 2017, 25(2): 289?296.
[12] 梁慶仟,劉海寧,于帥,等.基于光電校正慣性導航系統(tǒng)的光電桅桿方位角度的修正[J].應用光學,2017,38(5):694?699.
LIANG Qingqian, LIU Haining, YU Shuai, et al. Azimuth correction of optoelectronic mast based on EO calibrated INS [J]. Journal of applied optics, 2017, 38(5): 694?699.
[13] 鄭帥超,房立金,徐志剛.單目視覺?激光測距定位系統(tǒng)的標定與姿態(tài)校正[J].機械科學與技術,2017,36(12):1926?1934.
ZHENG Shuaichao, FANG Lijin, XU Zhigang. Calibrating and correcting pose of monocular vision and laser ranging location system [J]. Mechanical science and technology for aerospace engineering, 2017, 36(12): 1926?1934.
[14] 王詩宇,林滸,孫一蘭,等.基于機器視覺的機器人分揀系統(tǒng)的設計與實現(xiàn)[J].組合機床與自動化加工技術,2017(3):125?129.
WANG Shiyu, LIN Hu, SUN Yilan, et al. Theresearch of industrial robots sorting technology based on robot vision [J]. Modular machine tool & automatic manufacturing technique, 2017(3): 125?129.