成排連鑄坯端面中心坐標(biāo)視覺(jué)自動(dòng)提取方法

王春梅 黃風(fēng)山 任玉松 張付祥 周京博

摘 要：為了實(shí)現(xiàn)成排連鑄坯端面機(jī)器人貼標(biāo)時(shí)各連鑄坯端面中心坐標(biāo)的快速提取，提出了先提取連鑄坯端面圖像角點(diǎn)像面坐標(biāo)，再計(jì)算各連鑄坯端面中心像面坐標(biāo)的研究方案。首先，提出了一種改進(jìn)型SUSAN角點(diǎn)檢測(cè)算法，解決了圖像中相鄰連鑄坯端面圖像邊界間距離過(guò)小和連鑄坯端面圖像角為弧形角所造成的角點(diǎn)漏檢問(wèn)題；然后，提取角點(diǎn)的像面坐標(biāo)，并確定各封閉區(qū)域所包含連鑄坯端面?zhèn)€數(shù)；最后，采用一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，計(jì)算各連鑄坯端面中心像面坐標(biāo)。應(yīng)用以上方法進(jìn)行成排連鑄坯端面機(jī)器人貼標(biāo)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，連鑄坯端面水平和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，完全滿足企業(yè)對(duì)多根連鑄坯端面自動(dòng)貼標(biāo)位置誤差允許值1 mm的要求。所提視覺(jué)方法在理論和實(shí)際應(yīng)用上都是可行的，不僅為連鑄坯端面貼標(biāo)機(jī)器人提供了準(zhǔn)確的貼標(biāo)位置，而且為矩形圖像元素的中心坐標(biāo)提取提供了一種可靠的方法，具有一定的應(yīng)用價(jià)值。

關(guān)鍵詞：圖像處理；成排連鑄坯；中心坐標(biāo)提取；角點(diǎn)檢測(cè)；邊界提取；像面坐標(biāo)

中圖分類號(hào)：TP394.1；TH691.9 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1008-1542（2018）03-0268-07

用戶對(duì)特殊鋼連鑄坯要求非常嚴(yán)格，比如，同一件產(chǎn)品必須使用同一爐軋制出的連鑄坯來(lái)生產(chǎn)，所以連鑄坯在出廠前必須進(jìn)行貼標(biāo)，以標(biāo)志不同爐號(hào)的產(chǎn)品。目前，國(guó)內(nèi)大多數(shù)鋼鐵企業(yè)的貼標(biāo)環(huán)節(jié)仍由手工完成，常常出現(xiàn)漏貼或錯(cuò)貼現(xiàn)象，給鋼鐵企業(yè)造成了嚴(yán)重影響[1]。因此，高精度的連鑄坯端面自動(dòng)貼標(biāo)機(jī)器人系統(tǒng)成為該領(lǐng)域的一大研究熱點(diǎn)。其中，對(duì)連鑄坯端面進(jìn)行自動(dòng)識(shí)別，實(shí)時(shí)提取連鑄坯端面中心坐標(biāo)以制導(dǎo)貼標(biāo)機(jī)器人是其關(guān)鍵技術(shù)之一[2]。

本文組建了成排多根連鑄坯端面計(jì)算機(jī)視覺(jué)貼標(biāo)系統(tǒng)，重點(diǎn)研究了成排連鑄坯中各連鑄坯端面中心坐標(biāo)的提取。因成排連鑄坯成像后連鑄坯端面圖像間會(huì)產(chǎn)生黏連，無(wú)法直接提取圖像中各連鑄坯端面中心像面坐標(biāo)，所以采用先提取各封閉區(qū)域角點(diǎn)的像面坐標(biāo)，再計(jì)算各連鑄坯端面中心像面坐標(biāo)的方法。

Harris角點(diǎn)檢測(cè)是常用的角點(diǎn)檢測(cè)方法，通過(guò)求取圖像中各像素點(diǎn)與相鄰像素點(diǎn)間的灰度變化率來(lái)確定角點(diǎn)像面坐標(biāo)，主要用于圖像匹配、拼接等領(lǐng)域[3-7]，由于連鑄坯端面邊界不平整，成像后邊界缺陷較多，造成了Harris角點(diǎn)檢測(cè)后圖像中雜點(diǎn)太多，后續(xù)處理過(guò)于復(fù)雜；也有一些學(xué)者提出使用模版匹配的方法進(jìn)行角點(diǎn)檢測(cè)，通過(guò)制作角點(diǎn)圖像標(biāo)準(zhǔn)模板，找到圖像中各角點(diǎn)像面坐標(biāo)，在棋盤格雙目標(biāo)定中應(yīng)用較多[8-10]。但連鑄坯切割過(guò)程中連鑄坯角的誤切、生產(chǎn)運(yùn)輸過(guò)程中連鑄坯角的磕碰，均會(huì)造成連鑄坯端面成像后角點(diǎn)與理論模板形狀不同，因此影響最終的檢測(cè)結(jié)果。

與其他角點(diǎn)檢測(cè)算法相比，SUSAN角點(diǎn)檢測(cè)具有抗噪聲能力強(qiáng)、算法簡(jiǎn)單、無(wú)需微分運(yùn)算、角點(diǎn)定位準(zhǔn)確等優(yōu)點(diǎn)[11-15]。針對(duì)連鑄坯端面圖像中兩封閉區(qū)域相鄰邊界間間隔可能過(guò)小以及連鑄坯端面角點(diǎn)成像后為弧形角等具體問(wèn)題，提出了改進(jìn)型SUSAN角點(diǎn)檢測(cè)算子，成功提取出各封閉圖像區(qū)域4個(gè)角點(diǎn)的像面坐標(biāo)。在實(shí)際貼標(biāo)過(guò)程中，連鑄坯端面圖像邊界在像面坐標(biāo)系中往往是傾斜的，因此提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法。

1 連鑄坯端面自動(dòng)貼標(biāo)系統(tǒng)的構(gòu)成

連鑄坯端面自動(dòng)貼標(biāo)系統(tǒng)的構(gòu)成如圖1所示，主要由計(jì)算機(jī)視覺(jué)子系統(tǒng)、機(jī)器人子系統(tǒng)、上位機(jī)控制子系統(tǒng)、供標(biāo)子系統(tǒng)、供壓子系統(tǒng)構(gòu)成。在貼標(biāo)時(shí)，首先計(jì)算機(jī)視覺(jué)子系統(tǒng)提取并處理連鑄坯端面圖像，求取每根連鑄坯端面中心像面坐標(biāo)并通過(guò)標(biāo)定得到世界坐標(biāo)，然后將得到的世界坐標(biāo)傳入上位機(jī)控制子系統(tǒng)，與此同時(shí)，上位機(jī)控制子系統(tǒng)控制供標(biāo)子系統(tǒng)打印并剝離標(biāo)簽，最后，機(jī)器人子系統(tǒng)在供壓子系統(tǒng)的配合下完成取標(biāo)、貼標(biāo)動(dòng)作。

2 圖像預(yù)處理

在實(shí)際生產(chǎn)過(guò)程中連鑄坯采用高溫火焰切割分段，切割后的連鑄坯端面呈暗灰色，反光效果極差，使得成像后連鑄坯端面圖像與背景圖像間相差不大，難以將連鑄坯端面圖像從背景圖像中識(shí)別開(kāi)來(lái)，如圖2 a）所示。

首先，通過(guò)在計(jì)算機(jī)視覺(jué)定位子系統(tǒng)中增加單色光源和同波段帶通濾光鏡[16]，有效增加了圖像中連鑄坯端面圖像與背景圖像間的對(duì)比度，如圖2 b）所示。然后，對(duì)所采集的連鑄坯端面圖像使用固定閾值進(jìn)行二值化處理[17]。最后，使用成熟的形態(tài)學(xué)算法對(duì)二值化后的連鑄坯端面圖像進(jìn)行開(kāi)運(yùn)算[18-19]，如圖2 c）和圖2 d）所示。

3 連鑄坯端面中心像面坐標(biāo)的提取

實(shí)際生產(chǎn)中，相鄰連鑄坯側(cè)面間可能會(huì)相互貼合，使得成像后連鑄坯端面圖像產(chǎn)生黏連，在圖像上形成長(zhǎng)方形封閉區(qū)域（封閉區(qū)域內(nèi)連鑄坯端面?zhèn)€數(shù)不確定），無(wú)法直接提取各連鑄坯端面中心像面坐標(biāo)，如圖2 d）所示。本文提出了一種改進(jìn)型SUSAN角點(diǎn)檢測(cè)算子，求取圖像中每個(gè)封閉區(qū)域4個(gè)角點(diǎn)的像面坐標(biāo)，同時(shí)，提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，實(shí)現(xiàn)了連鑄坯端面中心像面坐標(biāo)的提取。

3.1 SUSAN角點(diǎn)檢測(cè)算子

SUSAN角點(diǎn)檢測(cè)算子采用近似圓形的窗口在圖像上移動(dòng)，計(jì)算窗口內(nèi)非窗口中心像素灰度值與窗口中心像素灰度值的差值，如果差值在給定的門限范圍內(nèi)，則認(rèn)為該像素灰度與中心像素灰度同值[18]。

同值像素組成的區(qū)域叫做吸收核同值區(qū)USAN（univalue segment assimilating nucleus）。USAN所包含像素點(diǎn)個(gè)數(shù)與窗口區(qū)域總像素點(diǎn)個(gè)數(shù)的比例值記為n0。當(dāng)窗口中心像素點(diǎn)在封閉區(qū)域內(nèi)部時(shí)，n0較大；當(dāng)窗口中心像素點(diǎn)在封閉區(qū)域邊緣上時(shí)，n0較??；當(dāng)窗口中心像素點(diǎn)在封閉區(qū)域角點(diǎn)時(shí)，n0更小，如圖3所示。本文在角點(diǎn)檢測(cè)前已經(jīng)對(duì)圖像進(jìn)行了二值化處理，故將門限值設(shè)為0[19]。建立類圓形的窗口作為SUSAN算子，其中窗口半徑通過(guò)實(shí)驗(yàn)取為15 pixels。

由SUSAN算子原理可知：SUSAN算子檢測(cè)到的角點(diǎn)為封閉區(qū)域圖像邊緣上的某一像素點(diǎn)，所以，令窗口中心沿著封閉區(qū)域邊界像素點(diǎn)移動(dòng)可有效提高檢測(cè)效率。

3.2 改進(jìn)型SUSAN角點(diǎn)檢測(cè)算子

連鑄坯端面圖像中兩封閉區(qū)域相鄰邊界間間隔過(guò)小，如圖4 a）所示，傳統(tǒng)的SUSAN算子在提取兩封閉區(qū)域相鄰邊界上的角點(diǎn)時(shí)，窗口同時(shí)包含兩封閉區(qū)域（不能對(duì)兩封閉區(qū)域加以區(qū)分），導(dǎo)致角點(diǎn)的漏檢；連鑄坯端面角成像后為弧形角，如圖4 b）所示，會(huì)導(dǎo)致傳統(tǒng)的SUSAN算子在提取弧形角角點(diǎn)時(shí)出現(xiàn)漏檢，想要識(shí)別圖像中每個(gè)封閉區(qū)域4個(gè)角點(diǎn)的像面坐標(biāo)，必須對(duì)傳統(tǒng)的SUSAN角點(diǎn)檢測(cè)算子進(jìn)行改進(jìn)，具體方法如下。

1）使用成熟的邊緣提取算法，提取形態(tài)學(xué)開(kāi)運(yùn)算后的連鑄坯端面圖像中每個(gè)封閉區(qū)域邊界像素點(diǎn)像面坐標(biāo)[20]，求取每個(gè)封閉區(qū)域的最小包圍矩形[21]（封閉區(qū)域邊界像素點(diǎn)像面橫坐標(biāo)最小值到最大值以及縱坐標(biāo)最小值到最大值間圍成的圖像區(qū)域），用以區(qū)分圖像中的每個(gè)封閉區(qū)域。

2）令窗口中心沿著區(qū)分后的每個(gè)封閉區(qū)域邊界像素點(diǎn)掃描，求得邊界上每個(gè)像素點(diǎn)USAN包含本封閉區(qū)域像素點(diǎn)個(gè)數(shù)占窗口區(qū)域總像素點(diǎn)個(gè)數(shù)的比例值n0。

3）圖像中封閉區(qū)域角像素點(diǎn)所對(duì)應(yīng)的n0約為1/4，如圖3 c）所示，由于連鑄坯端面角成像后可能為弧形角，而弧形角角像素點(diǎn)的n0大于1/4，如圖5 a）所示。如果直接取每個(gè)封閉區(qū)域邊界最接近1/4的4個(gè)像素點(diǎn)作為角點(diǎn)，可能導(dǎo)致弧形角上的角點(diǎn)漏檢。為了準(zhǔn)確得到圖像中封閉區(qū)域4個(gè)角點(diǎn)，先提取封閉區(qū)域邊界像素點(diǎn)n0值小于1/3（通過(guò)實(shí)驗(yàn)確定）的像素點(diǎn)，得到4段連續(xù)邊界，其中每段邊界包含一個(gè)角點(diǎn)，如圖5 b）所示，然后，分別取四段連續(xù)邊界內(nèi)n0值最小的像素點(diǎn)為圖像中封閉區(qū)域角點(diǎn)的初始值。

4）利用求得的封閉區(qū)域角點(diǎn)初始值將封閉區(qū)域邊界像素點(diǎn)分成4部分，分別為封閉區(qū)域上下左右4條邊界的像素點(diǎn)。將4條邊界像素點(diǎn)分別代入式（1）—式（3）擬合得到封閉區(qū)域4條邊界線，求取封閉區(qū)域4條邊界線交點(diǎn)的像面坐標(biāo)為封閉區(qū)域角點(diǎn)像面坐標(biāo)。

圖像中各封閉區(qū)域可能包含多根連鑄坯端面圖像，要求取圖像中各連鑄坯端面圖像中心的像面坐標(biāo)，必須先求得各封閉區(qū)域所包含連鑄坯端面?zhèn)€數(shù)。

3.3 封閉區(qū)域連鑄坯端面?zhèn)€數(shù)的確定

連鑄坯端面理論尺寸已知，其寬高比記為eo。因連鑄坯端面尺寸較大、成像后變形較小，故成像后連鑄坯端面像面寬高比基本保持不變。根據(jù)已擬合得到的封閉區(qū)域4條邊界線以及求得的封閉區(qū)域角點(diǎn)像面坐標(biāo)計(jì)算圖像中封閉區(qū)域的像面尺寸。分別將封閉區(qū)域左上、右上角點(diǎn)與封閉區(qū)域底邊界線代入式（4）得到兩角點(diǎn)與底邊界線間的垂直距離，同理計(jì)算得到左下、右下角點(diǎn)與上邊界線間的垂直距離，將求得的4個(gè)距離代入式（5）得到圖像中封閉區(qū)域的像面高度[AKH-]。同理，求得每個(gè)圖像中封閉區(qū)域的像面寬度Wi。根據(jù)ei=[SX（]Wi[][AKH-][SX）]求得圖像中每個(gè)封閉區(qū)域的實(shí)際像面寬高比，其中i=1，2，…，m，i為圖像中封閉區(qū)域從左到右的次序。求得第i個(gè)封閉區(qū)域所包含的連鑄坯端面?zhèn)€數(shù)ti=[SX（]ei[]eo[SX）]。

3.4 傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取

在圖像采集過(guò)程中，由于連鑄坯支撐座、CCD相機(jī)固定支架加工裝配的誤差，導(dǎo)致連鑄坯端面在成像后其邊界在圖像中是傾斜的，如圖6所示。當(dāng)圖像中封閉區(qū)域?yàn)閱胃B鑄坯端面圖像時(shí)，邊界的傾斜不會(huì)影響連鑄坯端面中心像面坐標(biāo)的求?。▎胃B鑄坯端面中心像面坐標(biāo)為端面4個(gè)角點(diǎn)像面坐標(biāo)的平均值），當(dāng)封閉區(qū)域包含多根連鑄坯端面時(shí)，必須考慮端面的傾斜成像對(duì)連鑄坯端面中心像面坐標(biāo)求取的影響，具體方法如下。

1）若ti=1證明圖像中第i個(gè)封閉區(qū)域?yàn)橐粋€(gè)連鑄坯端面。分別求取此封閉區(qū)域4個(gè)角點(diǎn)橫、縱像面坐標(biāo)的平均值作為此封閉區(qū)域中心的像面橫、縱坐標(biāo)。

2）若ti>1，則證明圖像中第i個(gè)封閉區(qū)域?yàn)槎鄠€(gè)（ti個(gè)）連鑄坯端面。

①求取此封閉區(qū)域左邊界中點(diǎn)的像面坐標(biāo)（此封閉區(qū)域左上角點(diǎn)和左下角點(diǎn)像面坐標(biāo)平均值），記為（x0，y0）。

②過(guò)（x0，y0）做一條平行于此封閉區(qū)域上下邊界線的直線，記為li，其斜率記為[AKc-]i，則封閉區(qū)域內(nèi)包含的所有連鑄坯端面中心像面坐標(biāo)均在直線li上。將斜率[AKc-]i代入式（6），計(jì)算得到li與X軸的夾角β。

③以（x0，y0）為起點(diǎn)，沿直線li向右，此封閉區(qū)域中從左到右連鑄坯端面中心像面坐標(biāo)與（x0，y0）距離依次為[SX（]kWi[]2ti[SX）] [WTBZ]pixels，求得此封閉區(qū)域中所有連鑄坯端面中心像面坐標(biāo)，分別記為（xj，yj），其中j=1，2，…，ti，k=2×（j-1）+1，j值代表此封閉區(qū)域中連鑄坯端面中心沿直線li從左至右的次序。根據(jù)式（7）—式（8）求得該封閉區(qū)域內(nèi)每根連鑄坯端面中心的像面坐標(biāo)值。連鑄坯端面中心的像面坐標(biāo)求取原理如圖7 b）所示。

4 實(shí)驗(yàn)驗(yàn)證

為了進(jìn)一步驗(yàn)證所提方法的可行性和實(shí)用性，在實(shí)驗(yàn)室環(huán)境下搭建了成排連鑄坯機(jī)器人自動(dòng)貼標(biāo)系統(tǒng)，如圖7 a）所示。應(yīng)用所提方法提取各連鑄坯端面中心像面坐標(biāo)的實(shí)際測(cè)量值，并通過(guò)標(biāo)定求出多根連鑄坯各端面世界坐標(biāo)值制導(dǎo)機(jī)器人進(jìn)行貼標(biāo)，最終貼標(biāo)效果如圖7 c）所示。其中標(biāo)簽尺寸為75 mm×30 mm，連鑄坯端面尺寸為150 mm×150 mm。

完成貼標(biāo)后，分別測(cè)量標(biāo)簽左上、左下角點(diǎn)與連鑄坯左邊界的垂直距離，求得其平均值作為標(biāo)簽左邊界與連鑄坯左邊界的實(shí)際距離，同理得到標(biāo)簽右邊界與連鑄坯端面右邊界實(shí)際距離，求取左右兩實(shí)際距離值的差值，得到水平方向貼標(biāo)誤差。同理，測(cè)量并求得豎直方向貼標(biāo)誤差。實(shí)驗(yàn)數(shù)據(jù)如表1所示。

通過(guò)表1可知，各連鑄坯端面中心水平方向和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，完全滿足鋼鐵企業(yè)連鑄坯貼標(biāo)時(shí)其中心位置誤差允許值1 mm的要求。

5 結(jié) 語(yǔ)

組建了基于機(jī)器視覺(jué)的成排連鑄坯端面機(jī)器人自動(dòng)貼標(biāo)實(shí)驗(yàn)驗(yàn)證系統(tǒng)，研究了連鑄坯端面中心坐標(biāo)的提取方法。一是針對(duì)傳統(tǒng)方法連鑄坯端面角點(diǎn)像面坐標(biāo)提取時(shí)存在角點(diǎn)漏檢問(wèn)題，提出了改進(jìn)型SUSAN角點(diǎn)檢測(cè)算法，首先提取圖像中每個(gè)封閉區(qū)域4個(gè)角點(diǎn)的像面坐標(biāo)，再根據(jù)封閉區(qū)域?yàn)橐粋€(gè)連鑄坯端面和多個(gè)連鑄坯端面兩種情況，分別求取了各連鑄坯端面中心像面坐標(biāo)；二是提出了一種傾斜連鑄坯端面圖像中心像面坐標(biāo)的提取方法，實(shí)現(xiàn)了多根連鑄坯的各連鑄坯端面中心坐標(biāo)的自動(dòng)提取。使用合作鋼廠提供的連鑄坯進(jìn)行了貼標(biāo)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：多根連鑄坯各連鑄坯端面中心水平和豎直方向貼標(biāo)位置誤差范圍分別為-0.625～0.850 mm和-0.550～0.875 mm，滿足鋼鐵企業(yè)連鑄坯貼標(biāo)時(shí)其中心位置誤差允許值1 mm的要求。本文提出的連鑄坯端面中心坐標(biāo)提取方法的精度在0.7～1.0 mm，隨著客戶對(duì)貼標(biāo)精度要求的不斷提高，在后續(xù)的研發(fā)工作中要持續(xù)改進(jìn)，從而提高連鑄坯端面中心坐標(biāo)的提取精度。

參考文獻(xiàn)/References：

[1] 張付祥，蔡立強(qiáng)，李偉峰，等.成捆圓鋼端面自動(dòng)貼標(biāo)系統(tǒng)設(shè)計(jì)[J].河北科技大學(xué)學(xué)報(bào)，2016，37（6）：601-608.

ZHANG Fuxiang， CAI Liqiang， LI Weifeng， et al. Design of automatic labeling system on the end surfaces of bundles of round steels[J]. Journal of Hebei University of Science and Technology，2016，37（6）：601-608.

[2] 黃風(fēng)山，秦亞敏，任玉松.成捆圓鋼機(jī)器人貼標(biāo)系統(tǒng)圖像識(shí)別方法[J].光電工程，2016， 43（12）：168-174.

HUANG Fengshan， QIN Yamin， REN Yusong. The image recognition method on round bales robot labeling system[J]. Opto-Electronic Engineering， 2016， 43（12）：168-174.

[3] 李海，張憲民，陳忠.基于直線檢測(cè)的棋盤格角點(diǎn)自動(dòng)提取[J].光學(xué)精密工程，2015，23（12）：3480-3489.

LI Hai， ZHANG Xianmin， CHEN Zhong. Automatic corner detection of checkerboard based on LSD[J].Optics and Precision Engineering， 2015，23（12）：3480-3489.

[4] KOVACS A， SZIRANYI T. Harris function based active contour external force for image segmentation[J]. Journal Pattern Recognition Letters， 2012，33（9）：1180-1187.

[5] 王曉輝，程鍵慶，韓瑜.基于Harris的棋盤格角點(diǎn)檢測(cè)改進(jìn)算法[J].電子測(cè)量技術(shù)，2013，36（10）：51-54.

WANG Xiaohui， CHENG Jianqing， HAN Yu. Improved checkerboard corner detection algorithm based on the Harris[J]. Electronic Measurement Technology， 2013，36（10）：51-54.

[6] 馮玉朋，曾慶喜，馬杉，等.無(wú)人駕駛車輛基于角點(diǎn)和斑點(diǎn)的特征提取算法[J].河北科技大學(xué)學(xué)報(bào)，2017，38（3）：237-243.

FENG Yupeng， ZENG Qingxi， MA Shan， et al. A feature extraction algorithm based on corner and spots in self-driving vehicles[J]. Journal of Hebei University of Science and Technology，2017，38（3）：237-243.

[7] 龔平，劉相濱，周鵬.一種改進(jìn)的Harris 角點(diǎn)檢測(cè)算法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（11）：173-175.

GONG Ping， LIU Xiangbin， ZHOU Peng. Improved Harris-based comer detection algorithm[J]. Computer Engineering and Applications， 2010，46（11）：173-175.

[8] 李海超，張廣軍.基于旋轉(zhuǎn)不變的角點(diǎn)匹配方法[J].紅外與激光工程，2008，37（3）：561-564.

LI Haichao， ZHANG Guangjun. Novel corner matching algorithm based on rotational invariants[J]. Infrared and Laser Engineering， 2008，37（3）：561-564.

[9] XU Yi， ZHOU Jun， ZHOU Yuanhua. Measurement of disparity based on sparse-to-dense matching approach[J]. Infrared and Laser Engineering， 2003， 32（6）： 630-634.

[10]賈旭，薛定宇，崔建江.基于尺度、距離、旋轉(zhuǎn)測(cè)度的角點(diǎn)匹配算法[J].東北大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（12）：1689-1692.

JIA Xu， XUE Dingyu， CUI Jianjiang. Corners matching algorithm based on measures of scale， distance and rotation[J]. Journal of Northeastern University（Natural Science）， 2010，31（12）：1689-1692.

[11]QU Zhiguo， WANG Peng， GAO Yinghui， et al. Fast SUSAN edge detector by adapting step-size[J]. Optik， 2013，124（8）：747-750.

[12]王巍，趙紅蕊.面向影像匹配的SUSAN角點(diǎn)檢測(cè)[J].遙感學(xué)報(bào)，2011，15（5）：940-956.

WANG Wei， ZHAO Hongrui. The improvement of SUSAN for image matching[J]. Journal of Remote Sensing， 2011，15（5）：940-956.

[13]張映權(quán)，王瓊?cè)A，李大海，等.改進(jìn)的SUSAN角點(diǎn)檢測(cè)算法[J].現(xiàn)代電子技術(shù)，2009，32（20）：42-44.

ZHANG Yingquan， WANG Qionghua， LI Dahai， et al. Improved SUSAN corner detection algorithm[J]. Modern Electronics Technique， 2009，32（20）：42-44.

[14]吳一全，王凱.基于SUSAN算子和角點(diǎn)判別因子的目標(biāo)邊緣檢測(cè)[J].中國(guó)科學(xué)院大學(xué)學(xué)報(bào)，2016，33（1）：128-134.

WU Yiquan， WANG Kai. Target edge detection based on SUSAN operator and corner discriminant factor[J]. Journal of University of Chinese Academy of Sciences， 2016，33（1）：128-134.

[15]GAO Chao， ZHUN Hongjun， GUO Yongcai. Analysis and improvement of SUSAN algorithm[J]. Signal Processing， 2012，92（10）：2552-2559.

[16]魯波，黃堅(jiān)，朱子偉.基于機(jī)器視覺(jué)的LED陣列自動(dòng)分選系統(tǒng)設(shè)計(jì)[J].杭州電子科技大學(xué)學(xué)報(bào)，2010，30（5）：29-32.

LU Bo， HUANG Jian， ZHU Ziwei. Design of LED array automatic sorting system based on the machine vision[J]. Journal of Hangzhou Dianzi University， 2010，30（5）：29-32.

[17]黃風(fēng)山. 光筆式單攝像機(jī)三維坐標(biāo)視覺(jué)測(cè)量系統(tǒng)關(guān)鍵技術(shù)的研究[D]. 天津：天津大學(xué)， 2005.

HUANG Fengshan. Study on the Key Technique of Single Camera 3D Coordinate Vision Measurement System Using a Light Pen[D]. Tianjin： Tianjin University，2005.

[18]章國(guó)紅，辛斌杰. 圖像處理技術(shù)在紗線毛羽檢測(cè)方面的應(yīng)用[J].河北科技大學(xué)學(xué)報(bào)，2016，37（1）：76-82.

ZHANG Guohong， XIN Binjie. Application of image processing technology in yarn hairiness detection[J]. Journal of Hebei University of Science and Technology， 2016，37（1）：76-82.

[19]鄧仕超，黃寅. 二值圖像膨脹腐蝕的快速算法[J].計(jì)算機(jī)工程與應(yīng)用，2017，53（5）：207-211.

DENG Shichao， HUANG Yin. Fast algorithm of dilation and erosion for binary image[J]. Computer Engineering and Applications， 2017，53（5）：207-211.

[20]姜黎，吳偉仁，張之敬，等. 微小型結(jié)構(gòu)件顯微圖像邊緣的自動(dòng)識(shí)別[J].光學(xué)精密工程，2013，21（1）：224-232.

JIANG Li， WU Weiren，ZHANG Zhijing，et al. Automatic detection of micro image edges for micro accessories[J]. Optics and Precision Engineering， 2013，21（1）：224-232.

[21]王佳坤. 基于最小矩形包圍的圖像歸一化研究[J].科學(xué)技術(shù)與工程，2013，13（25）：7577-7579.

WANG Jiakun. Image toward normalization study based on the smallest rectangle surrounded[J]. Science Technology and Engineering， 2013，13（25）：7577-7579.