一种基于机器视觉的二维位移检测方法技术

本发明专利技术公开了一种基于机器视觉的二维位移检测方法：步骤１：在被测物上贴检测标志物；步骤２：摄像机拍摄检测标志物图像；步骤３：求取检测标志物图像的分割阈值，得到二值化光斑图像；步骤４：对二值化光斑图像的二值化效果进行评价，得到指标值，如果指标值达到标准值，转到步骤６，否则，进入下一步；步骤５：调整曝光时间值作为摄像机的当前曝光时间值；返回到步骤２；步骤６：根据得到的符合标准值的二值化光斑图像识别光斑在摄像机坐标系中的二维位移；步骤７：通过坐标转换得到被测物的实际二维位移。该方法实时性好，准确度、可靠性高，实用性强。

【技术实现步骤摘要】

本专利技术涉及基于机器视觉的二维位移检测方法，尤其适用于在目标物灰度与背景灰度很接近情况下的视觉检测场合。
技术介绍
机器视觉不会有人眼的疲劳，有着比人眼更高的精度和速度，特别是在探测不可视物体和高危险场景时，更具有其突出的优点。目前，机器视觉已成功应用于工业检测、医学、图像等领域，大幅度地提高了工作的效率和执行的可靠性。机器视觉检测主要通过分析处理并解释光学非接触传感器观测到的图像后做出决定，进而控制机器或过程，图像分割是其关键技术。到目前为止，人们基于各种立场和观点，提出了各式各样的图像分割方法。但传统的图像分割方法应用于工业现场存在以下方面的不足其一，工业现场光线条件一般比较恶劣，日夜光强相差较大，且晚上采集的图像中目标物灰度与背景灰度非常接近，传统图像分割方法难以适用；其二，工业现场一般存在冲击、振动，有的甚至非常剧烈，虽然相机在光线暗时可以通过调整曝光时间来增强图像清晰度，但检测系统对实时性要求都较高，且曝光时间若超过1/6秒，就容易因相机晃动或拍摄对象的移动而产生幻影，图片变得模糊，完全靠调整曝光时间来调整图像灰度也不现实。因此，为实现工业现场基于机器视觉的二维位移检测，有效解决视觉检测系统中图像分割准确性和处理时间上的矛盾，有必要提出一种高可靠性、高实时性的基于机器视觉的二维位移检测新方法。
技术实现思路
本专利技术要解决技术问题是提供，该方法实时性好，准确度、可靠性高，实用性强。 本专利技术为解决上述技术问题所采用的技术方案是 ，其特征在于，包括以下步骤 步骤1在被测物上贴检测标志物； 步骤2摄像机拍摄检测标志物图像； 步骤3通过阈值自适应方法求取检测标志物图像的分割阈值，再采用图像分割阈值分割检测标志物图像中的光斑，得到二值化光斑图像； 步骤4对二值化光斑图像的二值化效果进行评价，得到指标值，如果指标值达到标准值(标准值取4.0％，或者小于4.0％的一个值)，转到步骤6，否则，进入下一步； 步骤5根据指标值对摄像机的曝光时间进行调整，将调整后的曝光时间值作为摄像机的当前曝光时间值；返回到步骤2； 步骤6根据得到的符合标准值的二值化光斑图像识别光斑在摄像机坐标系中的二维位移； 步骤7通过摄像机坐标系与实际笛卡尔坐标系之间的转换，得到被测物的实际二维位移； 步骤4中，所述的指标值为相对距离 式中l、A分别为二值化光斑图像中白斑的轮廓像素数和总像素数。 步骤3中，所述的求取分割阈值的方法为 将场景图像的灰度值分为1～m级，灰度值i的像素数为ni，则 总像素数N为 第i级像素值概率Pi为Pi＝ni/N； 用整数K将其分为两组C0＝{1，2，…，K}，C1＝{K+1，K+2，…，m}，则C0组产生的概率ω0为 均值μ0为 其中，是C0组图像灰度的统计均值。 C1组产生的概率ω1为 均值μ1为 其中， 是整体图像灰度的统计均值，则 μ＝ω0μ0+ω1μ1； 于是两组间方差σ2为σ2(k)＝ω0(μ0-μ)2+ω1(μ1-μ)2＝ω0ω1(μ1-μ0)2； k分别取值1，2，…，m，使方差σ2最大值时的k，即maxσ2(k)时的k值为最佳阈值。 步骤5中，获取当前曝光时间值的方法为 若δ大于4.0％，且原图像的最大灰度值Xmax小于20，则在原来基础上增加曝光时间ΔT；若δ大于4.0％，且Xmax大于200，则减少曝光时间ΔT，ΔT取0.05ms。 有益效果 本专利技术提出了。采用摄像机拍摄被测物上贴有的检测标志物图像，通过图像处理、坐标转换得到被测物的实际二维位移；采用基于圆斑特征值的分割评价准则对目标物图像分割效果进行评价，实现曝光时间自适应；将曝光时间自适应与阈值自适应相结合，对拍摄到的检测标志物图像进行图像分割，得到二值化光斑图像。既避免了传统阈值自适应方法在光线过暗时图像二值化处理效果失真、光斑背景被破坏等，致使所得到的二值化图像不再适用于后期目标物定位计算；又避免了因曝光时间过长导致摄像机拍摄到的目标物图像模糊、存在幻影等，不利于后期图像处理。有效解决了图像分割准确性和处理速度之间的矛盾，较传统图像分割方法能适应更宽的光线范围。检测系统构成简单、准确度高、实时性好，能适应工厂复杂光线条件，具有推广意义。 附图说明 图1为本专利技术实施例中机器视觉检测方式的检测原理图； 图2为本专利技术实施例中用于实现图像分割的传统方法——灰度拉伸Otsu法的流程图； 图3为本专利技术实施例中用于实现曝光时间自适应的流程图； 图4为本专利技术实施例中根据本专利技术的图像分割方法在实验测试中得到的一系列二值化图像；(a)图对应参数Xmax＝214；δ＝0.35％；(b)图对应参数Xmax＝12；δ＝3.91％；(c)图对应参数Xmax＝10；δ＝5.57％；(d)图对应参数Xmax＝6；δ＝9.05％ 图5(a)是本专利技术实施例中需要实现图像分割的目标物灰度与背景灰度很接近的原始图像； 图5(b)是本专利技术实施例中对应于图3(a)所示原始图像，根据传统图像分割方法得到的二值化图像； 图5(c)是本专利技术实施例中对应于图3(a)所示原始图像，根据本专利技术的图像分割方法得到的二值化图像。 附图1中1-摄像机CCD图像传感器光敏面，2-摄像机镜头，3-检测标志物。 具体实施例方式 下面结合附图和具体实施例对本专利技术作进一步说明。 实施例1 图1描述了本专利技术——一种基于机器视觉的二维位移检测方式的检测原理。将一白色圆斑贴在被测物上作为检测标志物3，2为摄像机镜头，1为摄像机CCD图像传感器光敏面。摄像机工作时，检测标志物通过透镜会在CCD图像传感器光敏面上成一个圆斑图像。光敏面即摄像机坐标系，是一像素矩阵。设检测标志物在摄像机坐标系中的二维位移为Hx、Hy，检测标志物在笛卡尔平面坐标系中的二维位移为Dx、Dy，根据几何光学知识可得Dx与Hx、Dy与Hy之间的关系为 Dx＝Rx×Hx Dy＝Ry×Hy Rx和Ry是标定系数，单位为mm/pixel(像素值)，其值大小通过摄像系统的实验标定得到。 Hx＝x-x0，Hy＝y-y0 x，y为实时拍摄的检测标志物图像的中心位置像素值，x0，y0为被测物处于基准位置时检测标志物图像中心位置像素值。拍摄的图像通过前续图像处理可以得到一个符合标准值的二值化光斑图像，可通过图像处理算法——重心法方便的求得圆形光斑图像的中心位置像素值，假设光敏面像素矩阵由s个像素组成。引用重心法计算公式，每个像素都对应确定的空间坐标(x，y)及灰度Pi(xi，yi)，根据重心法的计算公式，则该光斑图像的中心位置像素坐标为 光斑在摄像机坐标系中的二维位移为 X方向位移为 Y方向位移为 代入得 这样只需要利用图像处理技术对摄像系统拍摄的检测标志物图像进行处理即可得到检测标志物(被测物)的实际二维位移。 图2描述了传统图像分割方法——灰度拉伸Otsu法的流程图； 参考图2，在步骤S201，合理调整原始图像的像素灰度级。在步骤S202，针对调整后的原始图像，利用类别方差作为判据，选取使类间本文档来自技高网...

【技术保护点】
一种基于机器视觉的二维位移检测方法，其特征在于，包括以下步骤：步骤１：在被测物上贴检测标志物；步骤２：摄像机拍摄检测标志物图像；步骤３：通过阈值自适应方法求取检测标志物图像的分割阈值，再采用图像分割阈值分割检测标志物图像中的光斑，得到二值化光斑图像；步骤４：对二值化光斑图像的二值化效果进行评价，得到指标值，如果指标值达到标准值，转到步骤６，否则，进入下一步；步骤５：根据指标值对摄像机的曝光时间进行调整，将调整后的曝光时间值作为摄像机的当前曝光时间值；返回到步骤２；步骤６：根据得到的符合标准值的二值化光斑图像识别光斑在摄像机坐标系中的二维位移；步骤７：通过摄像机坐标系与实际笛卡尔坐标系之间的转换，得到被测物的实际二维位移；步骤４中，所述的指标值为相对距离：δ＝｜ｌ／√Ａ－２√π／２√π｜＝｜１／２√Ａπ－１｜，式中ｌ、Ａ分别为二值化光斑图像中白斑的轮廓像素数和总像素数。

【技术特征摘要】

【专利技术属性】
技术研发人员：谭建平，彭玉凤，陈晖，全凌云，司玉校，
申请(专利权)人：中南大学，
类型：发明
国别省市：43[中国|湖南]