基于圖像處理的目標(biāo)定位文獻(xiàn)綜述

1、<p>　　基于圖像處理的目標(biāo)定位文獻(xiàn)綜述</p><p><b>　　前言</b></p><p>　　隨著經(jīng)濟發(fā)展和人民生活水平的提高，傳統(tǒng)產(chǎn)業(yè)的結(jié)構(gòu)調(diào)整和升級已成為行業(yè)發(fā) 展的共識。將機器視覺、機器人等先進(jìn)技術(shù)引入傳統(tǒng)的生產(chǎn)加工行業(yè)，改善自動化生 產(chǎn)、保障加工過程安全衛(wèi)生、提高生產(chǎn)效率、降低勞動強度，己成為現(xiàn)代工業(yè)加工與 包裝行業(yè)的一種新型趨勢。機器視

2、覺技術(shù)具有非接觸測量、可靠性高、柔性好等特點， 在工業(yè)自動化、視覺導(dǎo)航、虛擬現(xiàn)實等方面已獲得廣泛應(yīng)用。機器視覺系統(tǒng)分為基于 PC的視覺系統(tǒng)和基于視覺傳感器的視覺系統(tǒng)兩大類。基于PC的機器視覺系統(tǒng)的視 覺檢測全部由PC完成，檢測速度受限?；谝曈X傳感器的機器視覺系統(tǒng)，由于視覺 傳感器將圖像處理器、數(shù)字?jǐn)z像機、I/O接U等高度集成，并提供專用視覺開發(fā)軟件， 因此可大大簡化軟件開發(fā)難度、縮短開發(fā)周期、提高識別速度和可靠性，具有更為廣 闊的應(yīng)用

3、前景。[1]</p><p><b>　　2.正文</b></p><p><b>　　2.1機器視覺</b></p><p>　　機器視覺是人工智能正在快速發(fā)展的一個分支。簡單說來，機器視覺就是用機器 代替人眼來做測量和判斷。機器視覺系統(tǒng)是通過機器視覺產(chǎn)品（即閣像攝取裝置，分 CMOS和CCD W種）將被攝取目標(biāo)轉(zhuǎn)換成圖

4、像信號，傳送給專用的圖像處理系統(tǒng)，得到 被攝目標(biāo)的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號；圖像 系統(tǒng)對這些信號進(jìn)行各種運算來抽取H標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場的 設(shè)備動作。[2]</p><p>　　值得一提的是，廣義的機器視覺的概念與計算機視覺沒有多大區(qū)別，泛指使用計 算機和數(shù)字圖像處理技術(shù)達(dá)到對客觀事物圖像的識別、理解和控制。而工業(yè)應(yīng)用中的 機器視覺概念與晉通計算機視覺、模式識別

5、、數(shù)字圖像處理有著明顯區(qū)別，其特點是: （1）機器視覺是一項綜合技術(shù)，其中包拈數(shù)字圖像處理技術(shù)、機械工程技術(shù)、控制技 術(shù)、電光源照明技術(shù)，光學(xué)成像技術(shù)、傳感器技術(shù)、模擬與數(shù)字視頻技術(shù)、計算機軟 硬件技術(shù)、人機接口技術(shù)等。這些技術(shù)在機器視覺中是并列關(guān)系，和互協(xié)調(diào)應(yīng)用才能 構(gòu)成一個成功的工業(yè)機器視覺應(yīng)用系統(tǒng)。（2）機器視覺更強調(diào)實用性，要求能夠適應(yīng) 工業(yè)生產(chǎn)中惡劣的環(huán)境，耍有合理的性價比，耍有通用的工業(yè)接口，能夠由普通工作 來操作，有較高的

6、容錯能力和安全性，不會破壞工業(yè)產(chǎn)品，必須有 較強的通用性和可移植性。（3）對機器視覺工程師來說，不僅要具有研究數(shù)學(xué)理論和 編制計算機軟件的能力，更需要的是光、機、電一體化的綜合能力。（4）機器視覺更 強調(diào)實時性，要求高速度和高精度，因而計算機視覺和數(shù)字圖像處理中的許多技術(shù)目 前還難以應(yīng)用于機器視覺，它們的發(fā)展速度遠(yuǎn)遠(yuǎn)超過其在工業(yè)生產(chǎn)中的實際應(yīng)用速 度。[3]</p><p>　　S前，最先進(jìn)的機器視覺技術(shù)仍然由歐

7、美、日本等國家掌握，發(fā)達(dá)國家針對工業(yè) 現(xiàn)場的應(yīng)用開發(fā)出了相應(yīng)的機器視覺軟硬件產(chǎn)品。中國目前正處于由勞動密集型向技 術(shù)密集型轉(zhuǎn)型的吋期，對提高生成效率、降低人工成本的機器視覺方案有著旺盛的需 求，中國正在成為機器視覺技術(shù)發(fā)展最為活躍的地區(qū)之一。長三角和珠三角成為國際 電子和半導(dǎo)體技術(shù)的轉(zhuǎn)移地，同吋也就成為了機器視覺技術(shù)的聚集地。許多具有國際 先進(jìn)水平的機器視覺系統(tǒng)進(jìn)入了中國，國內(nèi)的機器視覺企業(yè)也在與國際機器視覺企業(yè) 的良性競爭中不斷茁壯成

8、長，許多大學(xué)和研究所都在致力于機器視覺技術(shù)的研究。 2010年和2011年中國機器視覺市場迎來了爆發(fā)式增長，市場規(guī)模分別達(dá)到8.3億 元和10. 8億元，其中智能相機、軟件、板卡、工、11＜相機的增長速度都遠(yuǎn)超中國整體 自動化市場的增長速度。機器視覺市場70%的市場份額由電子、汽牢、制藥和包裝業(yè) 占據(jù)。[4]</p><p><b>　　2. 2相機標(biāo)定</b></p><

9、;p>　　在機器視覺的應(yīng)用中，如基于地閣生成的視覺、移動機器人的自定位、視覺伺服 等的應(yīng)用中，從二維圖像信息推知三維世界物體的位姿信息是很重要的。目前已經(jīng)出 現(xiàn)了一些自定標(biāo)和免定標(biāo)的方法，這些方法在比較靈活的同時，尚不成熟，難以獲得 可靠的結(jié)果。通過攝像機的定標(biāo)重建目標(biāo)物三維世界目標(biāo)物體仍然是重要的方法。攝 像機定標(biāo)在機器視覺中決定：</p><p>　　內(nèi)部參數(shù)給出攝像機的光學(xué)和幾何學(xué)特性一一焦距，比例因

10、子和鏡頭畸變。</p><p>　　外部參數(shù)給出攝像機坐標(biāo)相對丁世界坐標(biāo)系的位置和方向，如旋轉(zhuǎn)和平移。 在機器人的視覺應(yīng)用中，F(xiàn)I標(biāo)物位姿信息獲取通常有一定的精度要求，機器人視覺系 統(tǒng)的性能很大程度上依賴于定標(biāo)精度。隨著計算機性能的快速提高，低價位CCD攝 像機的大量使用，計算機定標(biāo)方法也得到了不斷的改進(jìn)。[5]</p><p><b>　　2. 1標(biāo)定坐標(biāo)系</b>

11、</p><p>　　攝像機標(biāo)定坐標(biāo)系可分為：圖像像素坐標(biāo)系、圖像染標(biāo)系、攝像機染標(biāo)系和世界 坐標(biāo)系，在這首先對幾種坐標(biāo)系做簡要介紹：</p><p>　　圖像像素坐標(biāo)系：坐標(biāo)原點在圖像左上角，每一象素的坐標(biāo)(11、v)分別是該象素 在數(shù)組中的列數(shù)和行數(shù)。</p><p>　　圖像坐標(biāo)系：攝像頭的CCD傳感器的表面坐標(biāo)系，原點為攝像機光軸中心，x軸、 y軸與像素坐標(biāo)

12、系tb v軸平行；</p><p>　　攝像機坐標(biāo)系：如圖1攝像機坐標(biāo)系的原點為攝像機光軸與圖像平面的交點，X 軸和K:軸與圖像的X軸與Y軸平行，名軸為攝像機光軸，它與圖像平面垂直，由點</p><p>　　a與及、冗、及軸組成的直角坐標(biāo)系。</p><p>　　世界坐標(biāo)系：在環(huán)境中選擇一個基準(zhǔn)坐標(biāo)系來描述攝像機的位置和用來標(biāo)定的特 征點的位置的坐標(biāo)系，滿足右手法則

13、。</p><p>　　幾種坐標(biāo)系間的相互關(guān)系如下圖1所示：</p><p><b>　　閣1坐標(biāo)系</b></p><p>　　用攝像機拍攝圖像時，世界坐標(biāo)系中的A標(biāo)物在實際成像過程中需要經(jīng)歷如下圖 2所示步驟：</p><p><b>　　3D世界坐標(biāo)系）</b></p><

14、p>　　_MN* N* N*</p><p>　　步驟-：從世界坐標(biāo)到攝像機坐標(biāo)系的剛體轉(zhuǎn)換 （x , r. z ）^ , r, z）待標(biāo)定參數(shù)：r,t</p><p>　　WH* H*C C*<*</p><p>　　3D攝像機坐標(biāo)系- K.Z.. ）</p><p>　　步驟二：基十針孔相機模型的透視投彫變換 （X

15、. r, Z）c={>. y ）r 待標(biāo)定參數(shù)：f</p><p>　　C<■c*Un</p><p><b>　　5</b></p><p>　　理想的閣像平而坐標(biāo)（Ou -xuyj</p><p>　　步驟三：理想的陽像平而坐標(biāo)與丈際的陽像fM坐標(biāo)轉(zhuǎn)換（xu，y«,） 0 （xd，y&

16、#171;P ,待標(biāo)定參數(shù)：畸變系數(shù)k、p等</p><p>　　丈際的閣像平而坐標(biāo)（Od -xdy,）</p><p>　　步驟四：丈際的閣像平標(biāo)與閣像像紊坐標(biāo)轉(zhuǎn)換 （ xd,y</）時（u,v），待標(biāo)定參數(shù)：ua，v。，/等</p><p>　　閣像像索坐標(biāo)（U.V ）</p><p>　　圖2空間點實際成像過程[6]</p&

17、gt;<p><b>　　2.2.2三種畸變</b></p><p>　　在視覺測量中，CCD相機在應(yīng)用過程中存在嚴(yán)重的非線性失真，其中內(nèi)外參數(shù)不 穩(wěn)定，傳統(tǒng)的針孔成像模型無法準(zhǔn)確建立成像幾何。因此，開發(fā)一種新的成像模型和 畸變補償方法來完成攝像機的標(biāo)定，己經(jīng)成為計算機視覺測量的重點。[7]</p><p>　　在理想情況下，給定一個擁有足夠數(shù)量的點集合

18、，并且知道它們在世界坐標(biāo)系下 的坐標(biāo)和對應(yīng)的像素坐標(biāo)系下的坐標(biāo)，就可以解出相機的內(nèi)外參數(shù)。但在實際的運用 中，理想的針孔線性模型不能精確的描述相機的成像幾何關(guān)系，使得所求三維空間點 的坐標(biāo)產(chǎn)生誤差。分析其結(jié)果是因為相機成像過程中存在畸變，在畸變的情況下使得 計算出空間點的世界坐標(biāo)存在偏差，主要原因是畸變使得空間成像點的位置關(guān)系發(fā)生 了改變，為了得到較精確的空間點坐標(biāo)，校正相機成像畸變的過程是必要的。</p><p&g

19、t;　　相機的鏡頭制造過程中，由于材料和加工精度的關(guān)系使得其不是一個理想的光學(xué) 成像系統(tǒng)。在相機的成像平而上，相機畸變影響到了空問點的成像位置，使得成像點 與理想的位置存在一定的偏差。相機畸變類型可分為徑向畸變、偏心畸變和薄棱鏡畸 變?；兪沟贸上顸c的位置會在徑向或切向上發(fā)生改變，理想成像點與實際的成像點 之間的位置關(guān)系如圖3所示，</p><p>　　圖3理想成像點和實際成像點之間的位置關(guān)系</p>

20、<p>　　2. 2.3傳統(tǒng)相機標(biāo)定法</p><p>　　傳統(tǒng)的相機標(biāo)定方法有很多學(xué)者提出了不同的算法思路，傳統(tǒng)的相機標(biāo)定方法根 據(jù)算法的不同思路又可分為以及基于最優(yōu)化算法的相機標(biāo)定方法、基于相機變換矩陣 的相機標(biāo)定方法以及考慮了畸變補償?shù)钠渌椒ā?lt;/p><p>　　基于最優(yōu)化算法的相機標(biāo)定方法</p><p>　　利用最優(yōu)化算法進(jìn)行相機標(biāo)定的方

21、法假設(shè)相機成像的光學(xué)模型非常復(fù)雜，這是這 類方法的一個優(yōu)點。這類相機標(biāo)定方法求得相機標(biāo)定參數(shù)的結(jié)果受參數(shù)給定的初始值 的影響，同時優(yōu)化步驟也非常的耗時，假如給定的參數(shù)初始值不理想的的話，優(yōu)化過 程很難得到準(zhǔn)確的參相機數(shù)結(jié)果，耗吋的優(yōu)化程序也無法得到實吋的結(jié)果。根據(jù)參數(shù) 模型的選取不同，這類算法的主要有攝影測量學(xué)中的傳統(tǒng)方法和直接線性變換法。攝 影測量學(xué)中的傳統(tǒng)方法典型代表方法是Faig提出來的方法，該標(biāo)定方法建立一個很 復(fù)雜的相機成像模

22、型，建立相機模型的過程中不僅利用了針孔相機模型的共面約束條 件，還考慮到了成像過程中各種因素對成像的影響。標(biāo)定方法描述每一幅閣像的空間 約束關(guān)系至少利用了 17個參數(shù)，因而計算量相當(dāng)?shù)拇?。直接線性變換法是Abdel. Aziz 和Karara在1971年提出的，這種方法求解相機的參數(shù)結(jié)果精度不高，因為算法忽略 了相機成像過程中分線性的因素，相機的鏡頭畸變也沒有考慮，標(biāo)定相機模型的各個 參數(shù)是通過求解線性方程來獲得的。</p>

23、<p>　　基于透視變換矩陣的標(biāo)定方法</p><p>　　該種相機標(biāo)定用一個非線性的方程來描述三維世界坐標(biāo)系與二維閣像像素坐標(biāo) 系之間的變換關(guān)系，其中非線性的方程包含了相機模型的內(nèi)外參數(shù)。在不考慮相機鏡 頭畸變等分線性的約束條件的情況下，同時把透視變換矩陣中的元素當(dāng)作未知數(shù)，可 以運用一組三維空間點和閣像對應(yīng)點的對應(yīng)信息來線性的求解矩陣中的元素的值。</p><p><

24、;b>　　Tsai兩步法</b></p><p>　　Tsai提出的兩步法是基于徑向一致約束的方法，求解參數(shù)分為兩步，根據(jù)徑向</p><p>　　一致約束條件，可以先求解出一部分相機成像模型的參數(shù)，再通過非線性優(yōu)化步驟得 到相機模型其他參數(shù)的值。這種方法在工業(yè)視覺系統(tǒng)中運用比較多，徑向一致約束法 這種方法獲得的標(biāo)定結(jié)果精度比較高，使用與需要精密測量的場合。徑向一致約束法

25、 求解相機模型參數(shù)的過程中大部分方程式線性方程，降低了求解參數(shù)的復(fù)雜度，標(biāo)定 過程速度快、準(zhǔn)確。但不適合普通的標(biāo)定場景，因其需要高精度的標(biāo)定設(shè)備作為代價。</p><p><b>　　(4)張正友標(biāo)定法</b></p><p>　　張正友在1998年提出了-?種比較簡單靈活的方法，該方法是介于傳統(tǒng)方法和自 標(biāo)定方法之間的一種方法，該方法假定平面標(biāo)定板置于其所在的世界坐

26、標(biāo)系Zw=O的 平面上，其通過線性成像模型來求得相機參數(shù)的初值，然后基于非線性成像模型給出 考慮了非線性畸變的S標(biāo)函數(shù)，然后使用非線性最優(yōu)化的方法來獲得相機參數(shù)的最優(yōu) 解。這種標(biāo)定方法具冇較好的魯棒性、實用性和較高的精度，避免了傳統(tǒng)方法需要高 精度設(shè)備的要求。不足之處在于線性估計相機參數(shù)初值是采用的是整幅圖像的像點， 不能為非線性求解過程提供一個較理想的初始值。</p><p>　　2. 2. 4相機自標(biāo)定法&l

27、t;/p><p>　　相機自標(biāo)定法標(biāo)定相機僅需要用到相機運動過程中多幅環(huán)境閣像之間的對應(yīng)關(guān) 系，并不需要特定的標(biāo)定參照物。相對于傳統(tǒng)的相機標(biāo)定方法，其算法不足之處在于 魯棒性較差，但由于標(biāo)定過程不需耍標(biāo)定參照物，所以算法更加的靈活，對于未知場 景和相機運動任意的情況下也可以對相機進(jìn)行標(biāo)定。目前己而言，有基于Knippa方 程的自標(biāo)定方法和基于二次曲而的自標(biāo)定發(fā)，還有分層逐步標(biāo)定法等自標(biāo)定方法。</p>

28、<p>　　基丁? Kruppa方程的自標(biāo)定方法</p><p>　　Eaugeras等對射影幾何的研宄證明了每兩幅閣像間存在兩個形如Kruppa方程的 二次約束，內(nèi)部參數(shù)可以通過求解Kruppa方程組來確定?；贙ruppa方程的自標(biāo) 定方法標(biāo)定相機的過程僅需耍建立兩幅閣像之間的方程，對閣像序列的攝影重建過程 并不考慮。如果閣像序列較長，且所有閣像相對于確定的射影空間的無窮遠(yuǎn)平面一致 性無法保證，標(biāo)定

29、算法的穩(wěn)定性會受到影響。</p><p>　　基于二次曲面的自標(biāo)定法</p><p>　　將絕對二次曲面引入相機標(biāo)定的過程中，從本質(zhì)上來說，其與基于Kruppa方程 的標(biāo)定方法是一直的概念，最先是由Triggs提出來的。都是根據(jù)歐式變換下的絕對 二次曲線的不變性質(zhì)來進(jìn)行的。相對于基于Kruppa方程的自標(biāo)定方法，基于絕對二 次曲面的自標(biāo)定法不僅包含了二次曲線的信息，還包含了無窮遠(yuǎn)平面的信息

30、。標(biāo)定方 法計算二次曲而之前先對圖像做了射影重建，因此對所有圖像的無窮遠(yuǎn)平而的一致性 就得到了保證，所以基于二次曲面的自標(biāo)定法更加的穩(wěn)定。</p><p><b>　　分層逐步標(biāo)定</b></p><p>　　分層逐步標(biāo)定法做相機標(biāo)定之前，與基于二次曲而的自標(biāo)定法一樣要對圖像序列做射影重建步驟，在重建圖像序列的基礎(chǔ)上接著進(jìn)行放射標(biāo)定和歐式標(biāo)定。通過將所 冇圖像與其中一

31、幅圖像做攝影對齊，減少了未知數(shù)的個數(shù)，應(yīng)用非線性優(yōu)化算法將所 有的未知數(shù)同吋求出。優(yōu)化算法的收斂性不確定是這類標(biāo)定方法的一個缺點，因為優(yōu) 化初始值只能估計，同吋重建圖像序列的射影對齊的參考圖像是不確定的，不同的參 考圖像會使得相機參數(shù)標(biāo)定結(jié)果不一樣。</p><p>　?。?）基于主動視覺的相機標(biāo)定法：</p><p>　　基于主動視覺的相機標(biāo)定方法是在已知相機的某些運動信息的情況下進(jìn)行標(biāo)

32、定 相機的，這些信息有定性的和定量的，由于知道了一些相機的運動信息，基于主動視 覺的相機標(biāo)定方法求解相機的參數(shù)是線性的，所以算法具有較高的魯棒性。</p><p>　　基于主動視覺的相機標(biāo)定法中的相機可以知道其精確的運動信息，通過控制相機 運動的控制平臺控制相機運動拍攝多幅圖像，相機的內(nèi)參數(shù)和外參數(shù)可以通過圖像信 息和相機的運動信息求得。該種算法需要精準(zhǔn)的相機運動平臺，標(biāo)定不夠靈活是一個 不足的方面。[8]<

33、;/p><p>　　2.2.5影響標(biāo)定精度的因素分析</p><p>　　1.標(biāo)定板的測量誤差及特征點的提取對標(biāo)定精度的影響 對一幅圖像上的i （ i=l，2,3,4,…）個特征點有（2）式，從中可以看出，特征</p><p>　　點的提取精度和世界坐標(biāo)的測量精度都會對單應(yīng)性矩陣的計算造成影響，通常特征點 會遠(yuǎn)遠(yuǎn)大于4個，因此以上方程組不相容，不存在通常意義下的解，通常

34、取最小二 乘解。即令</p><p>　　可求得單應(yīng)性矩陣一個H。特征點（ii, v, 0）、標(biāo)定板上角點世界坐標(biāo)（X，Y, Z）都會對計算結(jié)果產(chǎn)生直接的影響，每一幅圖像上特征點的數(shù)量將影響到每個單應(yīng) 性矩陣的求解精度。</p><p>　　2.圖像數(shù)量對和機標(biāo)定精度的影響</p><p>　　在該標(biāo)定方法中要求每一幅圖片都從不同的角度去拍攝，即一幅圖片就是一個視

35、場，能唯一確定一個單應(yīng)性矩陣H。圖片的數(shù)量即H的數(shù)量。在由單應(yīng)性矩陣求解相 機內(nèi)外參數(shù)的過程中，H的數(shù)量同樣會影響到標(biāo)定的精度。不考慮畸變的情況下，相 機參數(shù)共有9個，而一個單應(yīng)性矩陣僅能確定8個自由度，因此標(biāo)定至少需要2幅不 同視角的圖像。為了獲得穩(wěn)定的數(shù)值結(jié)果，通常采集的圖片數(shù)量會遠(yuǎn)遠(yuǎn)超過次數(shù)。如 果采集圖像不足，明顯會對內(nèi)部參數(shù)計算帶來一定的誤差，但采集圖像過多一方面影 響標(biāo)定的精度，另一方面也會造成誤差累積，增加錯誤概率。因此合

36、適圖像數(shù)量必須 加以考慮。[9]</p><p>　　2.3工件圖像預(yù)處理和邊緣特征提取</p><p>　　視覺系統(tǒng)強調(diào)精度和速度，所以需要圖像采集部分及時、準(zhǔn)確地提供清晰的圖像， 只有這樣，閣像處理部分xl*能在比較短的時間內(nèi)得出止確的結(jié)果。由此可知閣像采集 部分的性能會直接影響整個機器視覺系統(tǒng)的性能。</p><p>　　圖像采集部分一般由光源、鏡頭、數(shù)字?jǐn)z像

37、機、圖像采集卡和計算機構(gòu)成。采集 過程可簡單描述為在光源提供照明的條件下，數(shù)字?jǐn)z像機拍攝目標(biāo)物體并將其轉(zhuǎn)化為 閣像信號，最后通過閣像采集卡傳輸給閣像處理部分，如閣4所示。由于獲取的閣像 是彩色圖像，而后續(xù)的算法只需要灰度圖像就能完成，因此要灰度化。通常的圖像都 會受到各種噪聲的影響，因此還耍去除噪聲，經(jīng)過前面的預(yù)處理之后，得到更好質(zhì)量 的閣像。預(yù)處理之后就是對工件閣像的邊緣檢測，提取工件的邊緣特征。整個處理過 程如圖5所示。[10]&l

38、t;/p><p>　　物體鏡尖扱像尖采集卜計籜機|</p><p>　　圖4圖像采集過程框圖</p><p>　　圖5圖像預(yù)處理和邊緣特征提取過程框圖</p><p>　　2.3.1視覺檢測系統(tǒng)</p><p>　　視覺檢測系統(tǒng)的功能模塊包括圖像釆集與顯示模塊、圖像處理模塊以及檢測結(jié)果 輸出部分。</p>

39、<p>　　圖像的采集與顯示模塊括圖像傳感器以及A/D轉(zhuǎn)換器等，主要功能是在合 適的光源照度下進(jìn)行圖像的釆集，并轉(zhuǎn)換為需要的圖片格式進(jìn)行顯示和存儲。</p><p>　　圖像處理模塊是整個系統(tǒng)的核心，它主要根據(jù)需要，提取目標(biāo)圖像的特征信 息進(jìn)行中心定位。</p><p>　　圖像輸出部分是把圖像處理后所存儲的數(shù)字陣列圖像變換為適于人們理解的 形式。[11]</p>

40、<p>　　2.3.2圖像預(yù)處理</p><p>　　視覺測量閣像預(yù)處理主耍包括彩色閣像灰度化和濾波去噪。目前，灰度閣像處理 己存在多種算法，并且因其只研宄閣像的亮度信息，在很大程度上縮短了處理時間。 所以，一般情況下，首先將采集的彩色圖像進(jìn)行灰度化處理，轉(zhuǎn)化成灰度圖像。由于 耍測量物體輪廓邊緣的幾何信息，所以閣像邊緣信息提取的好壞就顯得尤為關(guān)鍵。一 般物體和背景具有較大的對比度，反映在閣像上就是物體

41、和背景的灰度差別較大，閣 像直方圖將呈現(xiàn)較為明顯的雙峰型。因此系統(tǒng)采用閾值法即可較好的實現(xiàn)圖像分割。 [12]</p><p><b>　　2.3.3邊緣檢測</b></p><p>　　邊緣檢測主要包括以下四個步驟：</p><p><b>　　圖像濾波</b></p><p>　　邊緣檢測算法主

42、要是基于圖像亮度的一階和二階導(dǎo)數(shù)，但是導(dǎo)數(shù)的計算對噪聲很 敏感，因此必須使用濾波器來改善與噪聲有關(guān)的邊緣檢測器的性能。</p><p><b>　　圖形增強</b></p><p>　　增強邊緣的基礎(chǔ)是確定圖像各點鄰域強度的變化值。增強算法可以將鄰域強度值 有顯著變化的點突出顯示。</p><p><b>　　圖像檢測</b&g

43、t;</p><p>　　在圖像中有許多點的梯度幅值比較大，而這些點在特定的應(yīng)用領(lǐng)域中并不都是邊 緣，應(yīng)該用某些方法來確定那些是邊緣點。最簡單的邊緣檢測判據(jù)是梯度幅值閾值判 據(jù)。</p><p><b>　　圖像定位</b></p><p>　　如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可以在子像素分辨率上來估 計，邊緣的方位也可以被估計出

44、來。[13]</p><p><b>　　算法如下：</b></p><p>　　首先對圖像進(jìn)行遍歷，按照從上到下，從左到右的順序掃描，設(shè)首先掃描到的黑 點為點a，易知a是左上方的點，然后搜索a點的鄰域，對其右，右下，左，左下 的點進(jìn)行判斷，至少可以發(fā)現(xiàn)一個邊界點，設(shè)為b。再以b為基礎(chǔ)，對其右，右下， 下，左下，左，左上，上，右上的進(jìn)行判斷，找出邊界點c。如果c與a為

45、同一點， 則表示己經(jīng)遍歷了一圈，邊界跟蹤結(jié)束；否則，再以c為基礎(chǔ)繼續(xù)遍歷，直到找到a 為止。在遍歷過程中可能會遇到不是邊界點的情況，判斷是否為邊界點的方法：如果 其上下左右均為與自身相同的點，則不是，否則是邊界點。發(fā)現(xiàn)輪廓后，將輪廓作為 一個整體研究，一個輪廓一般對應(yīng)一系列的點，也就是圖像中的目標(biāo)工件邊緣曲線。 再將輪廓點的坐.標(biāo)按順序保存為一個序列，構(gòu)成目標(biāo)物體的輪廓序列。[M]</p><p><b&g

46、t;　　2.4工件識別</b></p><p>　　通過閣像預(yù)處理和邊緣特征提取等有效閣像處理后得到了零件的二值化邊緣，這 些邊緣除了噪聲點和偽邊緣點外，基本上組成一個一個的目標(biāo)區(qū)域。這些區(qū)域如果僅 從視覺效果上看，很明顯的是一塊塊的區(qū)域，但是對于計算機來說，它并不知道這些 區(qū)域中哪塊冰是目標(biāo)區(qū)域，即我們要找的工件。因此我們需耍從分割閣中找到所耍的 零件，這就是閣像識別需要解決的問題。</p&g

47、t;<p>　　圖像識別就是從圖像中找出與已知模式相似的FI標(biāo)圖像，即識別出物體并確定出 它在整幅閣像中的位置和方向，是計算機視覺系統(tǒng)中的關(guān)鍵和難點。</p><p>　　閣像識別的一般流程，如閣6所示，由模型庫、閣像信息獲取、閣像預(yù)處理、特征檢 測器和匹配、分類組成。</p><p>　　圖6圖像識別流程[10]</p><p><b>　

48、　3.總結(jié)</b></p><p>　　本文就實現(xiàn)機器視覺定位技術(shù)的研宄和開發(fā)，在廣泛査閱分析現(xiàn)有的文獻(xiàn)資料 后，對機器視覺在目標(biāo)定位方向的技術(shù)實現(xiàn)進(jìn)行了總結(jié)綜述?；趨^(qū)域的匹配和形狀 特征識別結(jié)合，進(jìn)行數(shù)據(jù)識別和計算，能夠快速準(zhǔn)確地識別出物體特征的邊界與質(zhì)心， 從而定位到目標(biāo)。</p><p>　　機器視覺技術(shù)的誕生和應(yīng)用，極大地解放了人類勞動力，提高了生產(chǎn)自動化水平， 改善

49、了人類生活現(xiàn)狀，具有很好的應(yīng)用前景。該項技術(shù)目前在我國正處于起步階段， 急需廣大科技工作者的共同努力，來迅速提高我國機器視覺技術(shù)的發(fā)展與應(yīng)用水平， 為現(xiàn)代化建設(shè)做出更大的貢獻(xiàn)。[15]</p><p><b>　　4.參考文獻(xiàn)</b></p><p>　　晏祖根，李明，徐克非，孫小平，閆志鵬，孫智慧.高速機器人分揀系統(tǒng)機器視覺技術(shù) 的研究[JL 2014(1):28-

50、31.</p><p>　　百度百科詞條:機器視覺(科技技術(shù)).</p><p>　　段峰，王耀南，雷曉峰，吳立釗，譚文.機器視覺技術(shù)及其應(yīng)用綜述[J]. 2002(3) :59-</p><p><b>　　61.</b></p><p>　　[0胥磊.機器視覺技術(shù)的發(fā)展現(xiàn)狀與展望[J]. 2016(9) :7-9.&

51、lt;/p><p>　　[5]吳文琪，孫增圻.機器視覺中的攝像機定標(biāo)方法綜述[J]. 2004(2) :4-6.</p><p>　　陳勇.基于MATLAB相機標(biāo)定系統(tǒng)研究與實現(xiàn)[D].陜西:長安大學(xué)，2015(6):29-31.</p><p>　　Yan Wang, Feng Yuan, Hong Jiang, Yinghui Hu. Novel camera ca

52、libration based on cooperative target in attitude measurement[J]. 2016:10457 - 10466.</p><p>　　馮煥飛.三維重建中的相機標(biāo)定方法研究[D].重慶:重慶交通大學(xué)，2013 (5): 13- 18.</p><p>　　尹洪濤，劉成，李一兵，魯光泉，劉文超.相機標(biāo)定誤差因素分析 [J]. 2012(

53、1):28-30.</p><p>　　基于機器視覺的工件識別和定位文獻(xiàn)綜述</p><p>　　黃紫青，曾祥進(jìn).基于機器視覺的芯片引腳識別與中心定位算法研究 [J]. 2015(1):67-69.</p><p>　　王宸龍，李蓓智，楊建國.基于機器視覺的分度夾具轉(zhuǎn)角誤差測量 [J]. 2016(5):94-95.</p><p>　　段瑞