潘磊,趙亮,劉丁丁,馬義豪,彭世晨,豐安輝
(安徽大學,安徽 合肥 230601)
機器視覺技術(shù)出現(xiàn)于上世紀中期,早期的研究則是由20世紀60年代中期美國學者L.R.羅伯茲在對理解多面體組成的積木世界研究開始的。羅伯茲用邊緣檢測的方式識別邊緣線、用區(qū)域分析的方法分割圖像以及采用的預處理、對象匹配等技術(shù),也在后來的機器視覺中得到應用。到了20世紀70年代,一些機器視覺系統(tǒng)也陸續(xù)萌芽;70年代中期麻省理工學院(MIT)開設(shè)了“機器視覺”課程,極大的吸引著世界各地的學者,甚至包括1977年提出有別于“積木世界”分析方法的計算視覺理論創(chuàng)始人David Marr教授。80年代中期,隨著新理念、新方案的不斷涌現(xiàn),加上CCD、圖像處理技術(shù)的進步,機器視覺得到了空前發(fā)展。
在一個完備的機器視覺系統(tǒng)中,首先是作為輸入信息的攝像頭模塊,該模塊將圖像傳感器所檢測到的光學圖像,轉(zhuǎn)化為計算機所能識別處理的電信號,進而傳送至專用的圖像處理系統(tǒng);圖像處理系統(tǒng)對接收到信息進行相應的運算處理,抽取目標的特征信息(如輪廓、位置、數(shù)量等),最后根據(jù)與預設(shè)的條件對比,輸出檢測結(jié)果數(shù)據(jù)。值得注意的是,系統(tǒng)輸出的并非圖像信息信號,而是經(jīng)過處理后的檢測結(jié)果(如尺寸、角度信息)。上位機實時的利用這些數(shù)據(jù),控制運動系統(tǒng)。
完備的機器視覺系統(tǒng)一般包括光源、鏡頭、相機、圖像采集卡、圖像處理軟件、通訊/輸入輸出單元等基本模塊以及一些輔助模塊。
光源的作用主要是放大圖像特征、削弱外來影響光的干擾。光源從空間結(jié)構(gòu)上來說基本可分為直射、側(cè)射、背部照射三大類,基于實際物體,不同的場合應用的光源略有差異。一般來說,曲面檢測宜用圓頂光源,光滑平面宜用同軸光源,光滑平面宜用明試場光源。綜合考慮市面上存在的一些視覺光源,LED光源具有耗能小、壽命長、反應快、形式多、穩(wěn)定性強等優(yōu)點,因而有較廣的應用范圍。
攝像機可謂是視覺系統(tǒng)的關(guān)鍵性硬件,充當著系統(tǒng)的眼睛,其本質(zhì)功能就是將檢測到的光信號轉(zhuǎn)換成有序的電信號傳遞給圖像采集卡。選擇不同的攝像機直接影響著系統(tǒng)的檢測精度,也影響著系統(tǒng)所能發(fā)揮作用的場合。
(1)分辨率(Resolution):一般用水平分辨率(或水平清晰度)來評估攝像機的分辨率。而水平分辨率的大小與電子耦合器件以及鏡頭密切相關(guān)。常用的黑白攝像機的分辨率一般為380~600、彩色攝像機的分辨率在320到500電視線之間,主要有330線、380線、420線、460線、500線等不同檔次。
(2)曝光方式(Exposure):對于線陣型攝像機一般都是采用逐行曝光,曝光時間可以設(shè)置成與行周期一致或者固定的時間周期;面陣相機的曝光主要有幀曝光、場曝光以及滾動曝光等幾種方式。
(3)快門速度(Shutter):電子快門是利用電子技術(shù)在時間上控制芯片上的電荷轉(zhuǎn)移,從而達到“快門”效果。對靜止的研究對象,快門速度影響不大,但當研究對象為運動物體時,必須采用高速相機,防止圖像失真。
(4)像元尺寸(Pixel Size):像元大小和像元數(shù)(分辨率)共同決定了相機靶面的大小。目前數(shù)字工業(yè)相機像元尺寸一般為3~10μm。一般來說,像元尺寸越小,制造難度越大,圖像質(zhì)量也越不容易提高。
(5)光譜響應特性(Spectral Range):光譜響應特性反映了像元傳感器對不同光波的敏感特性,一般響應范圍是350~1000nm,有時可在靶面前加了一個濾鏡,濾除系統(tǒng)無需敏感的色光。
(6)信噪比(Signal-Noise Ratio):即信號電壓與噪聲電壓的比值,典型的CCD攝像機信噪比在45~55dB之間,在環(huán)境照度不好的條件下,信噪比越高,圖像越清晰。
在機器視覺系統(tǒng)的設(shè)計中,圖像采集卡主要用于將模擬信號進行數(shù)字化的操作,通過對信號的濾波、A/D轉(zhuǎn)換,再經(jīng)過圖像處理軟件對圖像進行增強、分割、特征提取。
(1)注意與工業(yè)相機的匹配,確定是否支持分辨率以及逐行掃描。
(2)注意是否具有觸發(fā)、選通、幀復位、鎖相采集、時序輸出能力。
(3)多頻道,確認圖像采集卡具不具備支持多個相機圖像進入。
(1)灰度圖像:灰度圖像對應著一個數(shù)據(jù)矩陣(二維數(shù)組),數(shù)組元素的值(0~255)表示圖像在該位置上的亮度值。(0表示黑色,255表示白色)。
(2)RGB圖像:RGB圖像用m×n×3數(shù)組表示,第一個二維矩陣表示紅色值,第二個矩陣表示綠色值,第三個矩陣表示藍色值。
(3)HSV圖像:HSV圖像也是用m×n×3數(shù)組表示,第一個二維矩陣表示色彩值(hue),第二個二維矩陣表示飽和度(saturation),第三個二維矩陣表示亮度(value)。
針對目前采用較多的算子,本文進行了適當?shù)难芯糠治?,并得出相應的結(jié)果。
(1)roberts算子采用的是對角線上相鄰兩像素的差近似梯度幅值來檢測邊緣,定位精度高。但是在有一定傾角的斜邊緣,檢測效果不理想,存在許多漏撿;而且不能有效抑制噪聲,容易產(chǎn)生偽邊緣。
(2)Sobel算子不但能產(chǎn)生較好的邊緣檢測效果,同時,由于其引入局部平均,使其受噪聲影響降低;但得到的邊緣較粗,當精度要求不高時,比較實用。
(3)Prewitt算子通過對圖像上的每個像素點八個方向的灰度加權(quán)之和來進行邊緣檢測,因此容易檢測出偽邊緣,并且邊緣定位精度較低。
(4)Log算子平滑了圖像也適當降低了噪聲,但是對圖像的平滑導致了邊緣的擴展。
(5)Canny算子信噪比良好,但為了獲取良好的邊緣檢測效果,通常需要使用較大的濾波尺度,雙閾值需要人為的選取;但定位性能好,單邊緣具有唯一的邊緣響應。
基于設(shè)計好的視覺系統(tǒng)平臺,利用攝像頭拍攝一張待識別的圖像,如圖1所示。
圖1 車牌.jpg
(1)基于halcon進行讀入圖像:read_image(Image,‘車牌 1.jpg’)。
(2)將三通道圖像(見圖2)變?yōu)镽GB圖像:decompose3 (Image, Red, Green, Blue)。 利 用decompose3 函數(shù)將Image圖像進行分離剝離成紅綠藍三個單通道圖像。
(3)將RGB圖像轉(zhuǎn)換成HSV圖像:trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity,‘hsv’)。利用trans_from_rgb 將RGB圖像對應轉(zhuǎn)化為參數(shù)為色彩值、飽和度、亮度的HSV圖像。
圖2
再利用threshold函數(shù)按設(shè)置的闕值提取圖像區(qū)域,connection函數(shù)合并所有選定像素觸摸相互連通區(qū),通過特征選擇,再經(jīng)過有方向的矩形shape_trans函數(shù)選取獲得車牌所在矩形。再經(jīng)過圖像分析,不斷優(yōu)化車牌信息,過程如下圖3。
圖3
將識別出的實驗結(jié)果輸出與原圖像對比,系統(tǒng)識別信息正確。
(1)本文所設(shè)計的機器人視覺識別系統(tǒng),通過對輸入的車牌圖像進行的檢測、處理、匹配、識別,最終成功讀取出車牌的信息,展示了一定的識別能,同時也驗證了方案的可行性。
(2)視覺系統(tǒng)的設(shè)計中,采用一些現(xiàn)成的匹配模板,減少了對專業(yè)知識的需求,并積極使用一些圖像處理軟件,以減少不必要的操作時間。
[1]王志祥 .CCD 圖像傳感器 [J].科技信息 ,1996,(12):8-9.
[2]王杰艷.線陣CCD圖像傳感器驅(qū)動電路的設(shè)計[J].電子設(shè)計工程 ,2006,(9):23-26.
[3]毛玉仁.機器人視覺系統(tǒng)的物體檢測技術(shù)研究[J].浙江大學,2017.
[4]徐鵬.基于機器視覺的機械零件二維尺寸檢測系統(tǒng)研究[J].華南理工大學,2015.
[5]王運哲,白雁冰,張博.機器視覺系統(tǒng)的設(shè)計方法[J].中國電子科技集團公司第二研究所,2011.