一種改進(jìn)霍夫梯度變換的紗籠坐標(biāo)檢測方法研究

冉宇辰，黃 民，王文勝，李天劍

（北京信息科技大學(xué)機(jī)電工程學(xué)院，北京 100192）

1 引言

近年來應(yīng)用在各類制造生產(chǎn)線上的工業(yè)機(jī)器人已比較成熟，但其在紡織行業(yè)的應(yīng)用還有很大拓展空間[1-2]。隨著生產(chǎn)需求量的增加，為提高工作效率，染整車間紗籠的坐標(biāo)檢測工作突顯的更為重要，其重心就是要測量出紗籠上每一根紗桿的頂端圓心坐標(biāo)距紗桿基準(zhǔn)中心的偏離程度，即紗桿在紗籠上的垂直度。

通過偏離數(shù)據(jù)對超出許用范圍的紗桿進(jìn)行相應(yīng)校正，偏離距離越大，裝紗和卸紗的時(shí)間就越長，準(zhǔn)確性就越低，單個(gè)紗籠出現(xiàn)問題還會影響后續(xù)車間工作的進(jìn)行，嚴(yán)重的話還可能會造成安全事故。

目前，紗籠坐標(biāo)檢測工作全部是由工人手動完成，工人需要通過激光和外部工具以及自身經(jīng)驗(yàn)對偏離數(shù)據(jù)進(jìn)行測量記錄，這種原始的檢測方法，測量過程長，效率低，勞動量大，且測量數(shù)據(jù)的準(zhǔn)確性無法驗(yàn)證。因此，亟待設(shè)計(jì)一套完整的機(jī)器人檢測系統(tǒng)，提高工作效率，滿足實(shí)際生產(chǎn)需求。

這里指在通過機(jī)器視覺的方法來實(shí)現(xiàn)紗籠坐標(biāo)的檢測[3-4]。紗籠上紗桿坐標(biāo)定位的關(guān)鍵是通過圖像處理提取出紗桿頂端的中心坐標(biāo)。紗桿頂端近似為圓環(huán)，可通過檢測圓的方法進(jìn)行測量，一般有Hough變換法、連通域法、最小二乘法等。

標(biāo)準(zhǔn)Hough法對于規(guī)則圓的檢測效果好、抗干擾性好，應(yīng)用不同領(lǐng)域發(fā)展出多種改進(jìn)方法[5-7]，但仍存在產(chǎn)生大量無效累積、數(shù)字化量化誤差大等問題，因此同Hough法相結(jié)合的方法相繼問世，文獻(xiàn)[8]提出基于隨機(jī)Hough變換的結(jié)合方法，借助特征弦的幾何約束及特征弦端點(diǎn)的法向約束，大幅度降低RHT的無效采樣和累積次數(shù)；文獻(xiàn)[9-10]提出基于梯度Hough變換的結(jié)合方法，前者把像素為主體的投票方式簡化為一維參數(shù)累積，結(jié)合最小二乘擬合，極大地提高了圓檢測的速度，使得魯棒性和可靠性有保障，后者采用Teaching Learning Based Optimization（TLBO）算法，基于元啟發(fā)式算法，利用梯度信息更精確地確定待測圓形。連通域法當(dāng)圖像區(qū)域單一時(shí)檢測速度快且精度較高，但它的抗干擾性較差，對圖像質(zhì)量要求高[11]；最小二乘法精度高、速度快，但對圖像邊緣質(zhì)量要求較高[12]。

這里提出了基于連通域法和Hough梯度法相結(jié)合的視覺算法，是一種改進(jìn)的霍夫梯度變換方法，通過工業(yè)相機(jī)對紗籠上每一根紗桿頂端圓心坐標(biāo)的精確定位，獲得上位機(jī)的坐標(biāo)偏離度數(shù)據(jù)，以校正存在問題的紗桿，節(jié)省數(shù)據(jù)采集時(shí)間，簡化紗籠檢測過程。

2 視覺算法

2.1 傳統(tǒng)檢測方法

考慮到紗桿頂端平面為圓環(huán)形狀，可近似看作圓形進(jìn)行檢測。傳統(tǒng)檢測方法中Hough梯度法通過梯度方向的計(jì)算可以更精確地?cái)M合出紗桿頂端平面的近似圓，連通域法的標(biāo)記計(jì)算更加簡潔穩(wěn)定。

2.1.1 Hough梯度法

Hough變換法是圖像處理中的一種特征提取技術(shù)，該過程在一個(gè)參數(shù)空間中通過計(jì)算累計(jì)結(jié)果的局部最大值得到一個(gè)符合該特定形狀的集合作為霍夫變換結(jié)果。

圓的一般方程，如式（1）所示。

所以需要三個(gè)參數(shù)表示一個(gè)圓，C:(xcenter,ycenter,r)。

開源計(jì)算機(jī)視覺庫（Open Source Computer Vision Library，OpenCV）內(nèi)部提供了一個(gè)基于Hough變換理論的找圓算法，稱為Hough梯度法。通過計(jì)算輪廓點(diǎn)處的梯度向量，然后根據(jù)搜索的半徑R在該梯度方向距離輪廓點(diǎn)距離R的兩邊各投一點(diǎn)，最后根據(jù)投票結(jié)果圖確定圓心位置。

經(jīng)過實(shí)驗(yàn)測試，光線較弱時(shí)，背景噪聲造成的干擾較大，在光線比較強(qiáng)的情況下，該方法識別準(zhǔn)確率有所提高，背景噪聲對尋找最優(yōu)半徑產(chǎn)生的影響不大，但穩(wěn)定性較低。這種方法會導(dǎo)致識別出的圓形易抖動，誤差較大，也有可能無法識別出待測區(qū)域，或者識別出多個(gè)圓形，甚至是不存在的圓。

2.1.2 連通域法

連通域方法的原理：一幅圖像二值化處理后往往包含多個(gè)區(qū)域，需要通過標(biāo)記把它們分別提取出來。標(biāo)記分割后圖像中各區(qū)域的簡單而有效的方法是檢查各像素與其相鄰像素的連通性。在二值圖像中，背景區(qū)像素的值為0，目標(biāo)區(qū)域的像素值為1，對圖像進(jìn)行逐像素掃描，即可保證所有的連通域都被標(biāo)記出來。后再通過對不同的標(biāo)記賦予不同的顏色或?qū)⑵浼由线吙蚣纯赏瓿蓸?biāo)記，通過設(shè)定的參數(shù)，篩選出滿足條件的區(qū)域，求其質(zhì)心坐標(biāo)。

連通域法檢測時(shí)，需保證待測區(qū)域能夠有效的連接成一個(gè)封閉區(qū)域，但實(shí)際生產(chǎn)中，紗籠上的紗桿經(jīng)長時(shí)間使用會產(chǎn)生腐蝕、斷裂等機(jī)械磨損現(xiàn)象，輕度的磨損可通過特征提取等方式進(jìn)行改善，而重度的磨損無法通過圖像處理的方法得到連通區(qū)域。

2.2 連通域與Hough梯度結(jié)合法

以連通域方法為基礎(chǔ)，添加Hough梯度法中高斯濾波與膨脹腐蝕的圖像處理方式，以達(dá)到增強(qiáng)特征提取效果的目的，具體流程，如圖1所示。

圖1 連通域與Hough梯度結(jié)合法流程Fig.1 Connected Domain and Hough Gradient Combination Process

Canny邊緣檢測后得到二值圖，為了盡可能減少噪聲對邊緣檢測結(jié)果的影響，所以必須濾除噪聲以防止由噪聲引起的錯(cuò)誤檢測。通過高斯濾波的方法，使用高斯濾波器與圖像進(jìn)行卷積，可以很好的平滑圖像，以減少邊緣檢測器上明顯的噪聲影響。二維高斯函數(shù)，如式（2）所示。

其中，參數(shù)σ決定了高斯函數(shù)的寬度，而高斯卷積核大小的選擇將影響Canny檢測器的性能。尺寸越大，檢測器對噪聲的敏感度越低，但是邊緣檢測的定位誤差也將略有增加。因此選用標(biāo)準(zhǔn)參數(shù)σ=1.4，高斯濾波器內(nèi)核大小為（5×5）。

在對圖像進(jìn)行高斯濾波后，進(jìn)行全局二值化處理，由于紗籠和紗桿是由同一種材料構(gòu)成，閾值化類型表達(dá)式，如式（2）所示。

利用形態(tài)學(xué)的膨脹（dilate）和腐蝕（erode）操作提取邊界，由于紗桿底端用來輔助固定筒子紗的圓盤上有波浪形的圓環(huán)，光線照射會發(fā)生漫反射，且圓盤形狀與待測區(qū)域形狀極為相似，如圖2所示。

圖2 背景干擾Fig.2 Background Interference

此過程一方面可以去除高斯濾波后包含在目標(biāo)區(qū)域內(nèi)剩余的小顆粒噪聲，一方面可以去除由待測物體在使用過程中產(chǎn)生的腐蝕、斷裂等機(jī)械磨損現(xiàn)象導(dǎo)致的區(qū)域不連通的情況，將二值圖中存在細(xì)微斷裂的區(qū)域連接起來，填補(bǔ)目標(biāo)區(qū)域中存在的空洞，減少后續(xù)計(jì)算的潛在錯(cuò)誤。由于背景干擾有大有小，所以核的選取適中即可，設(shè)定內(nèi)核大小為（3×3）。

膨脹方法，如式（4）所示。

腐蝕方法，如式（5）所示。

經(jīng)過邊緣檢測算子處理過的二值圖像，即可得到完整的圖像連通區(qū)域，獲得k個(gè)區(qū)域，如圖3所示。膨脹腐蝕提取后的圖像非常連貫且平滑，相比于Hough梯度法輸出的二值圖，圓形特征更加明顯，噪聲干擾更小，再通過結(jié)合法對平滑后的圖像進(jìn)行填充，增強(qiáng)連通區(qū)域的特征，便于后續(xù)對二值圖的使用。

圖3 Hough梯度法與結(jié)合法二值圖效果對比Fig.3 Comparison of the Effect of Binary Graph of Hough Gradient Method and Combined Method

檢測每一個(gè)連通區(qū)域的最外圍輪廓，忽略內(nèi)層的輪廓，保存輪廓上拐點(diǎn)信息，再將其進(jìn)行填充，計(jì)算每一連通區(qū)域的面積Sk圖像，判斷Hough梯度法得到的圓心是否在連通區(qū)域Lk內(nèi)。

對輪廓圖像中的每一個(gè)非零點(diǎn)()xi，yi，用Sobel算子計(jì)算梯度。該算子包含兩組（3×3）的矩陣，分別為橫向卷積因子Fx及縱向卷積因子Fy，將之與圖像作平面卷積，即可分別得出橫向及縱向邊緣檢測的圖像灰度值Gx、Gy。

*—卷積；A—輸入圖像。

計(jì)算梯度方向θ，如式（8）所示。

計(jì)算梯度G，如式（9）所示。

遍歷輪廓圖中的非0點(diǎn)，沿著梯度方向和反方向畫線段，線段的起點(diǎn)和長度由參數(shù)允許的半徑區(qū)間決定，將線段經(jīng)過的點(diǎn)在累加器中記數(shù)，按照降序排列，選擇最優(yōu)的候選中心。

接下來計(jì)算每一個(gè)中心所有輪廓圖中的非0點(diǎn)離圓心的距離，并從小到大排序。從最小半徑開始計(jì)算到最大半徑，距離相差在一個(gè)小量范圍內(nèi)的點(diǎn)，都認(rèn)為是同一個(gè)圓，記數(shù)屬于該半徑r的非0點(diǎn)數(shù)，記為n。依據(jù)點(diǎn)的線密度計(jì)算式（10）所示：

密度越高，半徑的可信度越大，那么最優(yōu)半徑的中心得到最充分支持，從而獲取圓心坐標(biāo)(xH，yH)。若Hough梯度法得到的圓心坐標(biāo)()xH，yH不在某一連通區(qū)域L0內(nèi)，則說明視覺識別出的圖像只為實(shí)際紗桿端面的一部分，紗桿桿頭可能存在損壞嚴(yán)重的現(xiàn)象，不能繼續(xù)使用，輸出坐標(biāo)信息若為(0，0)，則需要對該紗桿進(jìn)行安全檢查。

若Hough梯度法得到的圓心坐標(biāo)()xH，yH在某一連通區(qū)域L0內(nèi)，則計(jì)算每一個(gè)連通區(qū)域Lk的矩、中心矩以及質(zhì)心坐標(biāo)。

一階矩計(jì)算，如式（11）所示。

中心矩計(jì)算，如式（12）所示。

質(zhì)心，如式（13）、式（14）所示。

其中，P(i，j)為圖像在坐標(biāo)點(diǎn)(i，j)處的灰度值，由于所求區(qū)域?yàn)榫鶆蚍植?，近似為?guī)則圓形，所以求出的質(zhì)心坐標(biāo)(xk，yk)即可表示為待測區(qū)域的中心坐標(biāo)。

最后，將圓度值和區(qū)域面積的大小作為篩選滿足條件區(qū)域的最終判據(jù)。遍歷區(qū)域輪廓的點(diǎn)，迭代找出最左邊、最右邊、最上邊、最下邊的四個(gè)點(diǎn)，求出包圍這四個(gè)點(diǎn)的最小圓Ck的圓心和半徑Rk。通過檢測區(qū)域Lk的圓度判斷待檢測的對象是否為圓形，其數(shù)學(xué)公式，如式（15）所示。

式中：lk—區(qū)域輪廓的周長，Dk的大小越接近1，那么待檢測區(qū)域越接近圓形，當(dāng)Dk=1時(shí)，檢測區(qū)域是標(biāo)準(zhǔn)的圓形。

一方面，視覺相機(jī)與紗桿頂面的距離可通過Z坐標(biāo)調(diào)整控制在（200～300）mm之間，相機(jī)距離紗桿越近，采集到的紗桿頂端圖像就會大，待檢測的區(qū)域面積就會越大，反之亦然，所以區(qū)域面積的閾值范圍設(shè)定在（700～3000）像素之間；另一方面，經(jīng)過圖像預(yù)處理后的待檢測區(qū)域仍會輕度的畸變，只能近似的看作圓形，所以圓度的閾值大于0.75。對篩選后的質(zhì)心坐標(biāo)進(jìn)行排序，這里最多只能得到一組坐標(biāo)，輸出第一組坐標(biāo)()x0，y0即為所求紗桿頂端圓心坐標(biāo)。

經(jīng)過實(shí)驗(yàn)測試，連通域與Hough梯度法相結(jié)合的方法可以非常準(zhǔn)確的給出坐標(biāo)信息，不會出現(xiàn)檢測結(jié)果不穩(wěn)定的現(xiàn)象，配合膨脹腐蝕的方法，可以減少外部環(huán)境產(chǎn)生的干擾。

3 實(shí)驗(yàn)

3.1 紗籠坐標(biāo)檢測機(jī)器人系統(tǒng)結(jié)構(gòu)

機(jī)器人的主體結(jié)構(gòu)設(shè)計(jì)為門架式結(jié)構(gòu)，如圖4所示?？蓪?shí)現(xiàn)X軸、Y軸、Z軸和A軸四坐標(biāo)運(yùn)動控制，Z軸搭載筒子紗自動裝卸手爪機(jī)構(gòu)，側(cè)面安裝視覺系統(tǒng)，紗籠回轉(zhuǎn)工位A軸采用回轉(zhuǎn)支撐結(jié)構(gòu)，用于染紗過程旋轉(zhuǎn)紗籠。染整車間紗籠由120 根紗桿組成，紗桿的安放位置設(shè)計(jì)成等邊三角形排列，每根紗桿之間相距170mm，紗桿高度1500mm，紗桿頂端平面圓直徑7mm，有直徑5mm螺紋孔。視覺系統(tǒng)，如圖5所示。

圖4 機(jī)器人結(jié)構(gòu)和紗籠Fig.4 Robot Structure and Sarong

圖5 視覺相機(jī)和環(huán)形光源放大圖Fig.5 Enlarged View of Vision Camera and Ring Light Source

采用大恒圖像水星系列GigE數(shù)字?jǐn)z像機(jī)，是一款工業(yè)相機(jī)，型號MER-032-120GM-P，分辨率656（H）×492（V），幀率120fps，焦距8mm。相機(jī)配有一個(gè)環(huán)形光源，亮度（30000～35000）LUX以上，可增強(qiáng)檢測平面的亮度，同時(shí)弱化其他背景的干擾程度。為了獲得更高的分辨率，相機(jī)鏡頭會盡可能的靠近所檢測的物體，但過近的距離也會導(dǎo)致透視失真，相機(jī)鏡頭會因畸變導(dǎo)致像差，同時(shí)為保證視場范圍內(nèi)只有一根完整的紗桿出現(xiàn)，設(shè)定檢測對象到相機(jī)鏡頭距離為（200～300）mm。現(xiàn)場采用ProfiNET總線連接伺服電機(jī)，通過西門子S7-1200系列PLC控制器，實(shí)現(xiàn)對三坐標(biāo)軸的實(shí)時(shí)控制，通過工業(yè)以太網(wǎng)連接觸摸屏上的人機(jī)交互界面和視覺系統(tǒng)，使用OPC 通訊協(xié)議實(shí)現(xiàn)人機(jī)信息交互及系統(tǒng)間通訊，控制系統(tǒng)硬件組成，如圖6 所示。

圖6 控制系統(tǒng)硬件組成Fig.6 Control System Hardware Composition

3.2 測試

機(jī)器人系統(tǒng)設(shè)計(jì)之初，為將工作效率達(dá)到最高，擬采用將攝像頭一次拍攝一個(gè)完整紗籠的方式，把相機(jī)放置在紗桿桿頂平面上方較遠(yuǎn)的位置，即在一張圖片上呈現(xiàn)出整個(gè)紗籠120根紗桿的頂端圓心坐標(biāo)。每運(yùn)送來一個(gè)紗籠，就可以一次性的顯示出該紗籠上所有紗桿的測量數(shù)據(jù)。這種方案時(shí)間短，效率高，但不能保證每一根紗桿的頂端圓心坐標(biāo)都能準(zhǔn)確識別出來，且紗桿與坐標(biāo)的對應(yīng)關(guān)系建立較為復(fù)雜，若有紗桿識別不出來的情況出現(xiàn)，則容易使測量系統(tǒng)發(fā)生錯(cuò)誤。因此，為保證測量數(shù)據(jù)的準(zhǔn)確性，采用逐桿檢測的方式。

首先，現(xiàn)場隨機(jī)運(yùn)送來一個(gè)無紗的紗籠，把大恒相機(jī)、環(huán)形光源以及西門子PLC 等硬件設(shè)備通過交換機(jī)連接到PC 機(jī)并設(shè)置IP，使其能夠在同一IP段，軟件系統(tǒng)成功連接相機(jī)和PLC。

其次，設(shè)定機(jī)器人Z軸坐標(biāo)，測試過程中保持不變，調(diào)節(jié)相機(jī)焦距與光源亮度，盡可能的減少外部環(huán)境帶來的干擾，主要是由紗桿底盤造成的干擾。

然后，通過人機(jī)交互界面正常啟動相機(jī)并采集圖像，與PLC正常通訊并能進(jìn)行讀寫數(shù)據(jù)，同時(shí)能完成一整個(gè)紗籠的坐標(biāo)檢測工作，獲得輸出結(jié)果。將輸出的坐標(biāo)信息與紗桿圓心坐標(biāo)的基準(zhǔn)值作對比，得到紗桿偏離度數(shù)據(jù)，即方向和距離。

每一根紗桿的圖像采集只需（200～300）ms，一個(gè)紗籠運(yùn)行完整的坐標(biāo)檢測功能只需約6min，相比于人工檢測大大節(jié)省了工作時(shí)間和勞動量，提高了檢測效率。

針對當(dāng)前環(huán)境，相機(jī)焦距3.8mm，光強(qiáng)40%，采集到的實(shí)驗(yàn)圖像，如圖7所示。此根紗桿經(jīng)過長期使用，桿頭已經(jīng)出現(xiàn)明顯的磨損，通過對比可以看出，Hough梯度法雖然能準(zhǔn)確地識別出待測區(qū)域，但會把近似圓形的背景噪聲也當(dāng)作待測區(qū)域，從而獲得兩個(gè)圓形，影響坐標(biāo)值的準(zhǔn)確性。由于待測區(qū)域不連通，連通域法無法準(zhǔn)確識別，從而沒有坐標(biāo)值輸出。結(jié)合法能夠更穩(wěn)定的識別出待測區(qū)域，不會被背景噪聲和桿頭磨損等因素影響，魯棒性更好。

圖7 Hough梯度法、連通域法與結(jié)合法效果對比Fig.7 Comparison of Hough Gradient Method,Connected Domain Method and Combination Method

改變現(xiàn)場環(huán)境，進(jìn)一步對視覺系統(tǒng)進(jìn)行測試，調(diào)節(jié)光照強(qiáng)度和相機(jī)焦距，如圖8所示。均能準(zhǔn)確識別出待測區(qū)域。

圖8 現(xiàn)場不同相機(jī)焦距和光照強(qiáng)度下的測試結(jié)果Fig.8 Test Results at Different Camera Focal Lengths and Light Intensities

上位機(jī)顯示的人機(jī)交互界面，如圖9所示。各部分代表的意義如下：

圖9 人機(jī)交互界面Fig.9 Human-Computer Interaction Interface

（1）視覺相機(jī)采集到的原始圖像。

（2）連接部分，設(shè)置IP地址，同KEPServerEX軟件相連接。

（3）主控制窗口，控制相機(jī)采集，選擇視覺程序執(zhí)行標(biāo)定、定位和檢測的功能。

（4）視覺程序處理后的效果圖。

（5）程序運(yùn)行時(shí)的消息響應(yīng)窗口，刷新數(shù)據(jù)信息。

（6）讀寫PLC中的數(shù)據(jù)，顯示其變量名稱、時(shí)間、值和狀態(tài)。

3.3 誤差分析

由于紗桿高度1500mm，紗桿的頂端圓面直徑為7mm，所以紗桿桿頭偏移量不能太大，過大在實(shí)際生產(chǎn)中易產(chǎn)生危險(xiǎn)，影響正常工作，圓心坐標(biāo)的許用誤差為±10mm，應(yīng)控制坐標(biāo)誤差在1mm以內(nèi)。

對機(jī)器人系統(tǒng)進(jìn)行誤差分析，隨機(jī)選擇一根紗桿，控制機(jī)器人運(yùn)行至其基準(zhǔn)坐標(biāo)，進(jìn)行數(shù)據(jù)采集。保持X軸坐標(biāo)不變，機(jī)器人沿Y軸每次運(yùn)動1mm距離，記錄視覺程序輸出的坐標(biāo)信息，該坐標(biāo)的X值應(yīng)保持不變，Y值對應(yīng)運(yùn)動1個(gè)比例尺的距離。如圖10（a）所示。X坐標(biāo)值在11.52到11.73范圍內(nèi)波動，近似一條直線，由機(jī)械振動產(chǎn)生的誤差控制在0.3個(gè)像素內(nèi)，可忽略不計(jì)；Y坐標(biāo)值在點(diǎn)（11.73,69.36）處有輕微浮動，但整體近似呈線性增長，證明視覺相機(jī)的檢測結(jié)果基本不會因檢測區(qū)域的移動而產(chǎn)生畸變。同理，Y軸坐標(biāo)不變，機(jī)器人沿X軸每次運(yùn)動1mm距離的數(shù)據(jù)，如圖10（b）所示。因此，這里提出的機(jī)器人系統(tǒng)對坐標(biāo)定位準(zhǔn)確。

圖10 機(jī)器人系統(tǒng)誤差分析Fig.10 Robot System Error Analysis

對檢測數(shù)據(jù)精度進(jìn)行分析，抽取10個(gè)紗籠，對每個(gè)紗籠進(jìn)行視覺檢測程序，計(jì)算坐標(biāo)偏離度數(shù)據(jù)，得出每個(gè)紗籠檢測坐標(biāo)的均值，均方差值，如圖11（a）所示。在X方向上波動微小，較為穩(wěn)定，誤差限制在0.25%以內(nèi)；如圖11（b）所示。在Y方向上誤差有起伏，相對X方向較大，但均能保持在1mm 以內(nèi)，精確值可以達(dá)到95%。

圖11 機(jī)器人系統(tǒng)精度分析Fig.11 Robot System Accuracy Analysis

3.4 結(jié)果分析

在相同環(huán)境下對Hough梯度法與結(jié)合法的檢測結(jié)果對比，如表1所示。

表1 Hough梯度法與結(jié)合法檢測結(jié)果對比Tab.1 Comparison of Two Methods

通過上述實(shí)驗(yàn)可以看出，背景噪聲干擾對Hough梯度法造成很大負(fù)面影響，雖然識別率還算可觀，但識別效果的準(zhǔn)確性只能達(dá)到一半，并且輸出的坐標(biāo)值波動性較大，計(jì)算出的偏離數(shù)據(jù)不能正常使用。除個(gè)別桿頭磨損非常嚴(yán)重已需要更換的紗桿外，結(jié)合法可以有效降低外部環(huán)境造成的背景干擾和數(shù)據(jù)波動，更準(zhǔn)確地識別出紗籠上每一根紗桿的坐標(biāo)，檢測結(jié)果能夠達(dá)到工人手動測量的精確性，并且數(shù)據(jù)穩(wěn)定，能夠適應(yīng)不同光照強(qiáng)度以及相機(jī)焦距的改變。

4 結(jié)論

這里提出的結(jié)合連通域和Hough梯度的頂端圓檢測方法，是一種改進(jìn)的霍夫梯度變換方法，通過高斯濾波和膨脹腐蝕的圖像處理方式把二值圖的特征更好地提取出來，使待測區(qū)域更加清晰，避免了背景噪聲的干擾，梯度計(jì)算的補(bǔ)充使得磨損桿頭也能準(zhǔn)確識別。本次實(shí)驗(yàn)通過對10個(gè)紗籠的測試，1200根紗桿的圖像采集，驗(yàn)證了基于機(jī)器視覺的結(jié)合法能快速并且穩(wěn)定地給出紗桿頂端圓心坐標(biāo)，完成一個(gè)紗籠的坐標(biāo)檢測只需6min，通過誤差和結(jié)果分析，坐標(biāo)信息的誤差限制在1mm以內(nèi)時(shí)，其準(zhǔn)確率和穩(wěn)定性能夠達(dá)到95%。視覺算法搭配運(yùn)動控制系統(tǒng)，組成的機(jī)器人系統(tǒng)，可以代替工人手動檢測，有效節(jié)省數(shù)據(jù)采集時(shí)間，大大提高檢測效率，滿足工場實(shí)際檢測需要，同時(shí)可以應(yīng)用擴(kuò)展到背景噪聲干擾復(fù)雜的檢測圓心坐標(biāo)的其他領(lǐng)域，實(shí)現(xiàn)相似的功能。