單目視覺在圍油欄前端浮筒捕獲裝置中的應用

戴文，馬得堯，劉宇翔，呂文飛，楊前明

(山東科技大學機械電子工程學院，山東青島266590)

0 前言

隨著經(jīng)濟全球化進程的不斷加快，海上石油開采量以及石油運輸量迅速增長，復雜的海上環(huán)境造成了海面溢油事故的頻頻發(fā)生，嚴重威脅著海洋生態(tài)環(huán)境和沿海居民的身體健康。

當海面溢油事故發(fā)生時，通常利用溢油回收船回收溢油。溢油回收船的船體雙側，內嵌專業(yè)圍油欄［1］，作業(yè)時利用圍油欄前端浮筒捕獲裝置將圍油欄迅速導出并伸展開。溢油回收船攜帶的浮筒捕獲裝置通常為框架式結構，此種結構分別在上、下兩端安裝一個連接鉤，連接鉤的間距基本與浮筒同高。工作時，2個連接鉤必須恰好固定連接浮筒的上、下兩端，依靠浮筒自身的向前運動，以及捕獲裝置向外的

拉力作用，共同完成捕獲浮筒并展開圍油欄的動作。此種結構比較簡便輕巧，但適應性低，需要人眼配合操作，捕獲時間一般較長，不但大大增加收油清污的作業(yè)成本，還會貽誤海上作業(yè)的最佳時機［2］。

針對這一問題，設計開發(fā)了由單目視覺單元、計算機和機械臂執(zhí)行機構，3部分組成的圍油欄前端浮筒捕獲裝置，利用單目視覺系統(tǒng)的定位原理，完成對浮筒中心坐標的提取和準確定位［3］，以提高溢油回收船的自動化程度和作業(yè)效率。

1 系統(tǒng)原理與結構

圍油欄前端浮筒快速捕獲系統(tǒng)，由CCD圖像采集模塊、計算機圖像處理模塊和機械臂執(zhí)行機構3部分組成［4］，如圖1所示。

圖1 圍油欄前端浮筒快速捕獲系統(tǒng)結構圖

圖像采集模塊，由一臺固定在機械臂最前端的CCD攝像機、圖像采集卡組成一個單目視覺單元，負責攝取目標物圖像信息。由圖像采集卡采集圖像信息，送入上位機進行圖像的識別定位，從而計算浮筒的三維坐標及機械臂的位移距離。然后將數(shù)據(jù)傳輸給下位機PLC，由下位機PLC根據(jù)計算結果，驅動執(zhí)行單元，完成浮筒的捕獲操作。工作人員通過上位機實時畫面可以直接進行監(jiān)控和操作［5］。

2 基于單目視覺的定位方法

2.1 攝像機標定

在視覺系統(tǒng)中，對攝像機的標定，采用張正友標定法。由計算機繪制一張含有8×8個方格的黑白棋盤格平面圖樣，且方格的大小一定。以1∶1的比例打印出來貼在光潔的玻璃板上，作為實驗用標定模板［6］，標定模板中共有64個角點。

攝像機的標定是在Microsoft VS2008環(huán)境下進行的。標定時，采用對標定模板多角度圖樣采集的方法，獲取20幀不同位姿的標定模板圖像。標定過程中，軟件對每一幅圖像提取角點并繪制出來，繪制角點的圖像如圖2所示。

圖2 VS環(huán)境下繪制角點圖

圖像全部成功提取角點后，利用單目視覺系統(tǒng)的幾何映射關系，對攝像機的內、外參數(shù)進行求解。

在視覺系統(tǒng)中，一個2D點可以表示為m＝［u，v］T，一個3D點可以表示為 M ＝ ［X，Y，Z］T。其增廣矩陣分別表示為 ~m＝ ［u，v，1］T以及 ~M ＝［X，Y，Z，1］T。3D點與其投影到平面的2D點之間的關系可以表示為

式中:s是標準矢量;A為攝像機內部參數(shù);R，t為攝像機的外部參數(shù)。標定時假設模板平面，在Z＝0的平面上，由式 (1)可以得到

由此得到一個3×3矩陣

由映射矩陣H可得到內參數(shù)矩陣A的約束條件h 1T A

TA-1h2＝0。利用約束條件線性求解內參數(shù)A。

式 (4)中B是一個對稱矩陣，可以用向量b＝［B11，B12，B13，B22，B23，B33］T來表示，通過矩陣變換及解算，可求得矩陣B及內參數(shù)矩陣A。再由矩陣A和映射矩陣H，分別計算20幀圖像的旋轉矩陣R和平移向量t。最后利用最大似然估計法，對獲取的內、外參數(shù)進行優(yōu)化［7］。

為了驗證VS環(huán)境下標定的準確性，在Matlab2012環(huán)境下，用同一組圖樣進行了標定，繪制角點的圖像如圖3所示?？梢?，標定過程中20幀不同位姿的圖像提取、繪制的角點，與VS環(huán)境下完全相吻合。

圖3 Matlab環(huán)境下繪制角點圖

2.2 目標中心點定位

在圍油欄前端浮筒快速捕獲系統(tǒng)中，目標識別及定位的關鍵，在于對圍油欄前端浮筒頂部圓心的檢測。相對于其他檢測方法，Hough變換在圖像存在噪聲、變形、部分區(qū)域丟失的情況下，也能獲得良好的檢測結果，可靠性高［8］。在復雜的海上環(huán)境下，圍油欄前端浮筒捕獲系統(tǒng)對浮筒圓心進行檢測時，獲取圖像過程中，可能會丟失部分圖像信息，出現(xiàn)誤差，所以系統(tǒng)選用Hough變換的方法進行檢測。

在Hough變換中，圓的檢測、變換過程如圖4所示，x-y平面上有一圓，r為圓的半徑，(a，b)為圓心坐標，其方程表示為

圖4 Hough變換檢測圓示意圖

點p1(x1，y1)，p2(x2，y2)，和p3(x3，y3)為圓上任意三點。把圖像空間中的圓，轉換到a-b-r參數(shù)空間，則圓上的一點對應于參數(shù)空間中的一個三維錐面。要擬合出圖像中的圓，首先要求取所有的特征點對應在參數(shù)空間中三維錐面及所有三維錐面的交點。然后統(tǒng)計出三維錐面相交次數(shù)最多的點，最終擬合出原空間的圓［9］。由交點坐標可推算出參數(shù)a，b，r，從而確定圓心坐標和半徑。

2.3 坐標變換解算

視覺系統(tǒng)中，攝像機模型被簡化為小孔成像模型［10］，如圖5所示。設OCXCYCZC為攝像機坐標系，OWXWYWZW是世界坐標系，oxy是攝像機像平面坐標系，M為空間中的任意一點，m為M在像平面上的成像點。設圖像的像素坐標系為 ouv，坐標原點在攝像機像平面坐標系圖像的左上角，以像素為單位。

圖5 標定系統(tǒng)的坐標系

由世界坐標系、攝像機坐標系、圖像坐標系間的變換關系，經(jīng)過推導可得空間一點M的世界坐標(XW，YW，ZW)與其投影點m的像素坐標 (u，v)的關系如下:

式中:fx、fy、u0、v0為攝像機的內參，可通過攝像機標定得到;R和t分別是世界坐標系到攝像機坐標系的旋轉矩陣和平移向量;矩陣M1也代表攝像機的內參數(shù)矩陣;M2為外參數(shù)矩陣。在獲取點M的圖像坐標的情況下，根據(jù)坐標系間的轉換關系，可以求得點M的三維坐標Mw。

3 實驗及分析

3.1 標定結果

攝像機標定是在Microsoft VS2008環(huán)境下完成的，標定結果如式 (7)所示:

式中:A為攝像機的內參數(shù)矩陣，kc為畸變系數(shù)。

作為驗證實驗，Matlab2012環(huán)境下的標定結果如式 (8)所示。

式中:fc、Cc為攝像機的內參數(shù)，分別代表焦距、圖像中心點;αc為斜交參數(shù);kc為畸變系數(shù);err為像素誤差。結果表明標定所得參數(shù)誤差，滿足要求。

3.2 圍油欄前端浮筒的圖像處理

當攜帶攝像頭的機械臂進入浮筒正上方區(qū)域時，開始攝取目標圖像，其中一幀如圖6(a)所示，圖像大小為640×480。首先，對原始圖像進行灰度化處理得到灰度化圖像，如圖6(b)所示。

圖6 目標圖像及灰度化處理

Hough變換的結果是利用圖像的全局特征，將特定形狀的邊緣連接起來，并形成連續(xù)平滑的邊緣。因此在Hough變換前要對圖像進行邊緣檢測，實驗中采用Canny算子邊緣檢測方法。

實驗一:未對圖像進行去噪處理，直接對原始圖像的灰度圖進行邊緣檢測，檢測結果如圖7(a)所示。Hough變換擬合結果，如圖7(b)所示，結果表明偏差較大。

圖7 圖像處理檢測結果

實驗二:采用高斯濾波器對圖像做了平滑處理，然后再用Canny算子進行邊緣檢測，檢測結果如圖8(a)所示。Hough變換擬合結果，如圖8(b)所示，結果表明與實際目標相吻合。

圖8 圖像處理檢測結果

實驗所得具體數(shù)據(jù)，圓心坐標，半徑r及坐標誤差，如表1所示。表中給出的數(shù)據(jù)均以像素為單位。實驗結果表明，在對目標原始圖像進行灰度化、去噪、邊緣檢測等一系列預處理后，利用Hough變換可以提取圓心坐標，誤差小，精度高。

表1 實驗數(shù)據(jù)及誤差

系統(tǒng)由上位機軟件實現(xiàn)對二維坐標到三維空間坐標的轉換，并計算出機械臂在x-y-z 3個方向上的平移距離。通過下位機PLC發(fā)出控制指令驅動機械臂準確捕獲目標，最終將圍油欄快速導出、展開。

4 結論

在海上溢油回收船，圍油欄前端浮筒的快速捕系統(tǒng)中，利用單目視覺系統(tǒng)的幾何定位方法，對浮筒位置坐標進行了準確定位?？朔藗鹘y(tǒng)的捕獲裝置，需要人眼配合操作、時間長、效率低的缺點。在發(fā)生溢油事故時，溢油回收船通過圍油欄前端浮筒的快速捕獲系統(tǒng)，做出應急響應，提高溢油回收船的自動化程度和作業(yè)效率。

［1］劉宗江，王世剛.運油船雙內嵌收油機系統(tǒng)的研制［J］.現(xiàn)代制造技術與裝備，2012(6):20-21.

［2］張帥，楊林.圍油欄輔助海面溢油的處理方法［J］.科學技術與工程，2012，12(33):9126-9128.

［3］陶文靜，李文龍.RFID設備微小芯片視覺定位算法研究與實現(xiàn)［J］.現(xiàn)代電子技術，2012，35(20):175-179.

［4］王修巖，程婷婷.基于單目視覺的工業(yè)機器人智能抓取研究［J］.機械設計與制造，2011(5):135-136.

［5］余文勇，石繪.機器視覺自動檢測技術［M］.北京:化學工業(yè)出版社，2013.

［6］馬頌德，張正友.計算機視覺-計算理論與算法基礎［M］.北京:科學出版社，1998.

［7］劉麗麗，李航.單目視覺的大型零件三維測量方法［J］.機床與液壓，2014，42(3):121-123.

［8］于乃功，黃燦.基于單目視覺的機器人目標定位測距方法研究［J］.計算機測量與控制，2012，20(10):2654-2656.

［9］趙鵬.機器視覺理論及應用［M］.北京:電子工業(yè)出版社，2011，135-156.

［10］王耀南，李樹濤，毛建旭.計算機圖像處理與識別技術［M］.北京:高等教育出版社，2001:103-106.