（信号与信息处理专业论文）基于图像处理的目标自动检测与定位的研究.pdf

大迕理_ 人学硕士学位论文 摘要 随着计算机科学技术的发展，基于图像处理的目标自动检测技术在工业上的运用越 来越广。基于图像处理的目标检测技术也是移动机器人自定位研究领域的热点问题。因 此，论文针对目标检测和定位作了以下几个方面的研究： 以x 射线底片数字化后所得的图像为研究对象研究了一种基于模糊检测的目标自 动检测算法，实现缺陷目标的自动识别。研究了胶片图像的预处理算法，对胶片图像的 焊缝区域进行提取，提高检测效率与质量。此外，还设计了一个基于目标检测的焊接质 量智能化管理系统，对检测数据、胶片、r t 报告( 射线检验报告) 、操作人员等信息 进行智能化管理，并提供数据导入导出的接口。同时，在系统中建立了后台的综合存储 数据库，对各项数据进行存储利用，为焊接质量的智能化管理提供依据。以图像目标检 测为基础，研究了基于机器视觉的单目视觉定位原理。首先，研究了人工路标检测算法， 通过图像处理，将人工路标进行识别并编码；然后，通过研究p 4 p ( 4 点透视) 问题的 解法，将其应用到机器人位姿计算；最后，对实验结果以及算法产生的误差进行了深入 的分析。 实践证明，论文研究的基于图像的目标检测算法，能够准确、高效的识别出目标缺 陷；论文设计的基于目标检测的焊接质量管理系统能够成功在工业中应用，大大提高了 工人的劳动效率；论文基于图像处理提出的单目视觉自定位算法，能够成功应用到室内 移动机器人上。 关键词：目标检测；焊接质量管理；单目视觉；移动机器人；自定位 基于图像处理的目标自动检测与定位的研究 r e s e a r c ho na i i t o m a t i cd e t e c t i o no ft a r g e ta u l ds e l f - l o c a l i z a t i o nt e c h n o l o g y w i t hs i n g l e v i e wb a s e do ni m a g ep r o c e s s a b s t r a c t w i t ht l l ed e v e l o p m e n to ft l l ec o m p u t e rt e c l l l l o l o g y ，a m o m a t i cd e t e c t i o no ft 盯g e tb a s e d o ni m a g ep r o c e s s i n gi sm o r ea n dm o r e 、i d e l yu s e di i lt l l ef i e l d so fi n d u s t 巧i ti sa l s ot l l eh o t s p o ti s g u eo ft l l em o b i l er o b o ts e l l o c a l i z a t i o n 1 k 聆f o r e ，t h ea r t i c l ed o e ss 0 m er e s e 鲫c ho n a u t o n l a t i cd e t e c t i o na n ds e l f 2 l o c a l i z a t i o no fm o b i l er o b o t sa sf o l l o w s f i r s t l y ，i nt h ef i l e do fd i g i t a lf i l mp r o c e s s i n g ，锄a l l t o m a t i cd e t e c t i o na l g o r i t h mb a s e do n t _ h em z z ym e o 巧i sp r e s e n t e d ，w h i c hi su s e df o ra u t o m a t i cd e f e c td e t e c t i o n 锄l dr e c o g l l i t i o n t l l i sp a p e ra l s os t u d i e st 1 1 ep r 印r o c e s s i n go ff i l mi i i l a g e sa i l dp r o p o s e s 觚a l g o r i 吐肌f o r e x 仃a c t i i l gi 芏1 f o m a t i o n 行d m aw e l d i i l g 锄：b a s e d0 nt l l i sa l g o r i t l l i i l 锄m e l l i g e n t m a n a g e m e n ts y s t e mi nd e a l i n g 谢t h 也et a r g e t d e t e c t i o ni ss e tu p t h es y s t e mc 觚 a u t o m a t i c a l l yd e t e c td e f e c t so ft 1 1 ed i g i 词f i l mu s i n g 也em e t l l o do fm z z yp a t t e mr e c o g i l i t i o n ， a n da l s op r 0 v i d e 觚e 伍c i e n ti n t e l l i g e n tm a l l a g e m e n tf o rm ed e t e c t i o nr e s u l t s ，f i l m s ，r tr e p o r t s a l l ds t a f j fe t c a tt l l es a m et i m e ，t 1 1 ei n t e r f a c eo ft l l ed a 妇i m p o n e x p o r ti sa l s os u p p l i e di i lt l l e s y s t e m m o r e o v e r ，ab a c k s t a g ed a t a b a s ei ss e tu pi nm es y s t e mt 0s t o r et 1 1 ea b o v e - m e n t i o n e d d a ：c af o r 矗l _ t u r eu s e ，w 1 1 i c hc a l lp r o v i d es t a t i s t i c a ld a t af o rw e l d i n gq u a l i 够m 锄a g e m e n ta n db e s e n ，e d 嬲ar e f e r e n c et ot l l ee n g i n e e r s s e c o n d l y ，协ep a p e rd e a l s 埘t ht h ew o r k i n gp r i n c i p l eo ft h em o n o c u l a rm o b i l er o b o t s e l f l o c a l i z a t i o nb a s e do nt h et a = r g e td e t e c t i o no f 妇a g e i nt h eb e g i 胁i n g ，t l l i sp a p 盯a r g u e sa n a n i f i c i a ll a i l d m a r kd e t e c t i o na j g o r i t h ma n do b t a i n sa ni d e n t i 匆i n gc o d ef o re a c hl 锄d m a r k a c c o r d i n gt ot l l ei m a g ep r o c e s s i n g t h e nt l l i sp 印e rs t u d i e st h es o l u t i o nf o rt h ep 4 pp r o b l e m ， 、v h i c hi su s e di nt h em o b i l er o b o t sp o s i t i o nc a l c u l a t i o n a tl a s t ，t 1 1 ee x p e r i m e n tr e s u l t sa i l d a l g o r i m me 聃r sa r ea n a l y z e d e x p e r i m e n t a lf i n d i n g ss h o wt h a tt h ep r o p o s e dm e m o dc a nn o t0 1 1 l yi d e n t i 矽d e t e c t s e f f e c t i v e l y ，b u ta l s oo b t a i nt h et ) ，1 ) ea n dl o c a t i o no fd e f e c t sa c c u r i a t e l y f a c t sh a v ep r 0 v e dt h a t t 1 1 er o b o tl o c a l i z a t i o ns y s t e mb a l s e do nm o n o c u l a rv i s i o na n da i r t i f i c i a ll a l l d m a r kc a nb e 印p l i e dt oa u t o n o m o u sm o b i l er o b o t ss u c c e s s 如1 l y n es y s t e md e s i 印e db yt h i sp 印e rc a i lb e 埘d e l yu s e di n t l l er e a l mo fi n d u s 仃y 觚da l s oc 觚伊e a t l ys a v el a b o rf o r c ea n di n c r e a s e p r o d u c t i o ne f j e i c i e n c y 一i i 大连理工大学硕士学位论文 k e yw o r d s ：t a r g e td e t e c t i o n ： m o n o c u i a rv i s i o n ：m o b i l er o b o t ：s e i f - i o c a i i z a t i o n ：i n t e i i g e n tm a n a g e m e n t i l i 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 学位论文题目：蕉互选丛璺啦盛袖叻砬速1 3 l 复亟窿鱼驾型 作者签名 ： j 逐。 日撕：缉年监月j 罩日 大连理工大学硕士学位论文 大连理工大学学位论文版权使用授权书 本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间 论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有 权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印、或扫描等复制手段保存和汇编本学位论文。 + 大连理工大学硕士学位论文 1 绪论 1 1 论文研究背景 随着人类科学信息技术的发展，图像处理在工业领域中的应用也越来越广。本文主 要研究图像处理在目标检测和移动机器人自定位领域中的应用。 在工业上，焊接胶片在生产过程中不可避免的出现质量问题，而现在的缺陷检测主 要依靠焊接人员来完成。由于人工评定的主观性和人眼易产生视觉疲劳，评定效率低下， 容易造成误检使评定结果不可靠。随着计算机技术的发展，基于图像处理的目标检测方 法，与人眼的视觉特性相近，与其它传统缺陷检测算法相比，有较低的漏判率和误判率， 能满足生产线上实时检测的要求。因此，本文通过研究基于图像处理的目标检测算法， 满足工业中x 射线胶片图像的检测要求，提高生产效率。同时，工业中的焊接领域对焊 接质量的要求，不仅需要满足检测精度的要求，还需要对焊接质量进行综合管理。由于 数据总量繁多，包括海量胶片数据、焊接数据以及工程应用中各个部门的数据，导致工 程管理不便。因此，为了对这些检测数据和焊接质量实施科学的管理，合理连接各部门 的数据，研究开发了一套焊接质量数字化检测与管理系统。利用基于视觉的检测技术， 提高焊缝胶片缺陷的识别精度，对于海量胶片数据实施行之有效的管理方法，提高工程 应用化程度。 机器人要想在某一环境中自主导航运动，一个基本问题就是确定自身在环境中的位 姿，因而自定位技术是移动机器人在实际应用中必不可少的一部分，是实现运动和其他 任务的基础。同时，机器人自定位不但在理论上有很多问题需要解决，而且有较强的工 程应用背景，是一个具有重要研究价值的课题。而基于视觉的室内移动机器人定位技 术正随着各种室内服务机器人的发展而不断发展，代表了国际自主移动机器人定位技术 的发展方向。本课题正是基于以上背景提出的，室内机器人视觉自定位系统大多采用路 标定位。路标可分为自然路标( 如门、窗、墙角线、天花板灯等) 和人工路标。由于光 照、遮挡以及环境的重复性等影响，自然路标的识别比较困难，环境适应性差，通常只 能应用于特定的环境中，且不易实际应用：而人工路标的检测与识别则相对比较容易， 因而基于人工路标的自定位系统具有实现简单且定位精度高的特点，在室内移动机器人 自定位中取得广泛应用。基于上述原因，本文采用了基于人工路标检测的自定位方法。 基于图像处理的目标自动检测与定位的研究 1 2 目标检测与单目视觉自定位简介 1 2 1基于图像处理的目标检测技术发展概述 检测技术是现代工业的基础技术之一，是保证产品质量的关键。在现代工业生产中， 涉及到各种各样的检测。现代生产中，产品的合格率主要靠人工检测来完成，这不仅增 加了工厂的人工成本和管理成本，而且仍然不能保证检测的精度和速度。传统的检测技 术已不能满足现代制造业的需要，制造业的发展要求相应的新产品检测技术。这时，人 们开始考虑把计算机的快速性、可靠性、结果的可重复性，与人类视觉的高度智能化和 抽象能力相结合，完成产品的检测。在无损检测领域，利用机器视觉进行无损检测的技 术也得到了很大的发展。 无损检测( n o n d e s t r u c t i v et e s t i n g ，简称“n d t ) 是指对材料或工件实施一种不损害 或不影响其未来使用性能或用途的检测手段【l j 。其特点是在不破坏构件材质和性能的条 件下检测构件的特征质量。通过使用n d t ，能发现材料或工件内部和表面所存在的缺 陷，能测量工件的几何特征和尺寸，能测定材料或工件的内部组成、结构、物理性能和 状态等。n d t 能够应用于产品设计、材料选择、加工制造、成品检验、在役检查( 维修 保养) 等多方面，在质量控制与降低成本之间能起最优化作用。n d t 还有助于保证产品 的安全运行和有效使用。 常用的缺陷检测方法包括射线检测法、超声检测法、磁力检测法、涡流检测法、渗 透检测法等【2 j 。其中，x 射线检测法由于具有直观、便于定量判定、灵敏度高、分辨率 高、可靠性强等特点成为目前广泛应用的检测方法，其最主要的应用是检测工件内部的 缺陷。x 射线穿透物体的过程中具有一定的衰减规律，可以根据通过工件各部位衰减后 的射线强度检测工件内部的缺陷。不同工件的衰减程度不同，由其厚度、材料和品种而 定。当工件中含有未焊透缺陷时，未焊透的部分不易吸收射线，射线就不容易透过。相 反当混进容易吸收射线的异物时，这些地方的射线就容易透过。 通常的缺陷检测方法主要靠人工从图像监视器中观看图像进行检测，但人工检测本 身存在不可避免的缺点，如主观标准不一致、劳动强度大、检测效率低等。因此，急需 要研究一种有效的缺陷自动检测方法来代替人工检测1 3 】，从而使缺陷检测工作客观化、 规范化和智能化。 缺陷自动检测属于图像处理与模式识别的研究领域，问题的核心在于如何检测出缺 陷，而又使误报和漏报最少。检测的难点主要有以下两个方面：第，由于工业现场情 况复杂，导致在现场采集的图像信噪比较低，目标和背景的空间对比度相对较低，目标 大连理工大学硕士学位论文 很可能被噪声所湮没，从而给检测带来困难；第二，由于检测工件的运动导致采集到的 图像模糊，削弱了目标与背景的差别，给检测增加了难度。 针对以上问题，国内外学者做了大量研究，寻找检测焊缝缺陷的方法。不管采用何 种方法，检测过程可大致归纳为：图像预处理、缺陷分割、缺陷特征提取和缺陷的分类。 在核工业领域，缺陷检测与识别主要是依靠人工来识别的，利用机器视觉检测技术 将数字化后的胶片进行处理，并将处理之后的结果存储管理。 基于图像处理技术的目标识别技术常用在缺陷检测领域有以下几种： ( 1 ) 基于支持向量机的焊缝缺陷识别与分类 支持向量机( s v m ) 是根据结构风险最小化原则来提高学习机泛化能力的方法，即 由有限训练样本取得的决策规则，对独立的测试集仍能够取得小误差的一种方法。支持 向量机隶属于统计学习理论的范畴，它克服了神经网络确定网络结构困难、过学习与欠 学习、局部极小点等问题，在解决小样本、非线性及高维模式识别问题中表现出许多特 有的优势。 2 0 0 4 年至2 0 0 6 年，张晓光、高顶f 4 卅将支持向量机的学习方法应用子射线检测焊缝 图像中缺陷类别的识别中，提出了一种利用支持向量机( s v m ) 进行射线检测焊接缺陷 识别的方法。该方法首先对图像进行预处理，然后根据缺陷特点选取缺陷的8 个参数作 为特征参数( 边缘平直度、尖部尖锐度、周长与面积比、与焊缝方向倾角、质心坐标相 对焊缝中心的位置、对称性、填充度指数( 面积( 长轴短轴) ) 和相对灰度) ，将焊缝 内常见缺陷分为6 类( 裂纹、未焊透、未熔合、条状夹渣、球状夹渣、气孔) ，根据有 限的学习样本和焊接缺陷特点，建立基于支持向量机的多种缺陷类别分类器，对测试的 样本进行识别。 ( 2 ) 基于神经网络的焊缝缺陷识别与分类 人工神经网络能够对人脑的思维过程进行模拟，使其具有生物神经网络的学习、识 别、控制等功能。因而可以通过训练网络模型，对各种目标进行学习、识别，同时结合 模糊逻辑等方法进一步完善网络的学习。 2 0 0 3 年，r o m e urd as i l v a l7 j 等人通过提取缺陷4 个方面的特征，训练并建立神经网 络，利用非线性分类器对6 种缺陷进行了识别和分类，得到了比线性分类器更好的分类 结果。该方法首先对焊缝缺陷图像进行采集并预处理，提取缺陷4 个方面的特征，并建 立神经网络；然后，利用非线性相关准则，计算出每种缺陷特征和缺陷类型的相关程度 从而估算出每种缺陷特征的区分能力；最后利用主成分分析( p c a ) 有效地减少神经网 络输入向量的维数。 基于图像处理的目标自动检测与定位的研究 2 0 0 4 年，his h a f e e k 等人1 8 9 】利用v i s u a lc + + 语言开发了一套基于神经网络的焊缝缺 陷专家识别系统。系统通过c c d 相机对焊缝胶片图像进行获取，人工标定焊缝的区域并 利用8 邻域边界链提取缺陷边缘，最后建立神经网络对缺陷进行检测和识别，并根据国 际标准a p i1 1 0 4 等判别缺陷是否超标。 2 0 0 4 年，张晓光【1 0 】在对焊缝缺陷图像进行一系列预处理和分割后，通过对焊缝缺陷 的特征进行分析，选取缺陷的8 个特征参数，建立了模糊神经网络模型，对焊缝的6 种缺陷 进行识别。但该方法在样本个数较少的情况下，无法达到较高的识别率。 2 0 0 4 年，r o m e ur d as i i v a 等人【l l 】利用统计推理的方法对不同类型焊缝缺陷的分类 精度进行了估计。该方法通过提取缺陷3 个方面的特征，利用神经网络对6 种缺陷进行了 识别和分类。然后，通过统计推理的方法估计非线性分类器对不同种缺陷的分类精度。 实验结果表明，咬边、未融合、气孔等缺陷具有较高的分类精度，4 而夹渣，未焊透、裂 纹等缺陷具有较低的分类精度，其中夹渣最容易和其他缺陷混淆，尤其容易和气孔缺陷 混淆。 2 0 0 7 年，tyl i m 等人1 1 2 】通过大量缺陷图像建立一个仿真缺陷库，并利用多层感知 神经网络( m l p ) 对缺陷进行识别。首先利用s o b e l 算子提取缺陷图像的边缘，人工对 间断的缺陷边缘进行修正以得到一个质量良好的仿真缺陷库。其次从待检测缺陷图像的 2 5 个特征描述符中选出9 个区分能力最强的特征建立神经网络，对缺陷进行识别和分类。 该方法通过人工修正缺陷库的方法克服了以往缺陷库的缺点，有效地提高了分类的精 度。 ( 3 ) 基于模糊理论的焊缝缺陷识别与分类 2 0 0 2 年，g a n gw a i l g 和t w a n e nl i a o 【1 3 】利用模糊k 最邻近分类法( k 小n ) 对焊 缝缺陷进行识别和分类。该方法首先估算焊缝图像的背景，将原始图像与之相减并利用 直方图阈值分割提取出缺陷。然后对缺陷的8 种特征进行提取，利用模糊k 最邻近分类 法和m l p 神经网络对缺陷进行了分类，实验结果证明这两种方法的检测精度是接近的。 缺陷自动视觉检测的最终目的是实现缺陷的有效识别和分类，而缺陷的识别和分类 又依赖于缺陷的有效分割。对于国内外学者探索和研究的诸多缺陷分割方法，虽然在一 定程度上已经可以从焊缝图像中分割出焊接缺陷，但是由于焊接缺陷的种类多样、形态 复杂、尺寸各异，这些方法仍存在不同程度的误判和漏判，缺乏可靠性和通用性，难以 得到推广，制约了焊缝缺陷自动识别系统的发展，因此迫切需要一种通用可靠的缺陷分 割算法，为后续的特征提取和缺陷识别提供良好的缺陷数据。 大连理工大学硕士学位论文 本论文通过基于视觉的模糊检测算法，对数字化胶片进行缺陷检测，并开发出一套 数字化胶片综合管理系统。 1 2 2 基于图像目标检测的机器人自定位系统发展概述 自主移动机器人的定位与导航是密切相关的两个问题，一般认为定位问题是导航问 题的子问题。l e o n a r df 1 4 】对自主移动机器人导航研究做了一般性的总结，即研究自主机 器人导航要回答如下三个问题： 1 ) 我在哪里? 机器人必须知道自己在哪里，从而规划下一步动作。它必须根据外部或者内部环境 信息来估计当前自身的位姿，这就是所谓的“机器人自定位”问题。 2 ) 我要去哪里? 为了完成各种任务，机器人必须知道它将要去哪里。在实际环境中，它必须能识别 出周围的物体，并确定它们的状态，然后再根据定位的结果计算出运动的目的地。 3 ) 我如何到那里? 一旦机器人知道了它在哪里以及将要去哪里，那么它必须做出规划，并选择合理的 路径到达目的地。这个路径选择的过程就是“路径规划”。 自主移动机器人定位包括机器人自定位和物体定位，机器人自定位解决了“我在哪 里”的问题，这就是本文的主要研究内容。 ， 机器人自定位是机器人导航系统的一个基本组成部分，是为其他部分( 如路径规划 等) 服务的。在实际应用中机器人导航可以在两个层次上进行：全局导航和局部导航。 全局导航是指机器人实现自定位后，利用整个环境的全局信息进行导航的方式；局部导 航是指未实现自定位，由获取的机器人周围局部信息进行导航的方式。全局导航的智能 水平较高，一般情况下机器人多采用全局导航的方式。但并不是任何时候机器人都能进 行全局导航，当机器人不能实现自定位或者自定位结果很不准确时，就有必要采用局部 导航的方式。 机器人自定位是比较复杂、难度较大的技术，其效果受到很多直接或间接因素的影 响，如外界环境的复杂性、计算机资源的有限性、传感器信息的不确定性以及障碍物检 测的不确定性等等。噪声和干扰是使得机器人自定位问题复杂化的普遍存在因素。 从环境感知的角度，机器人自定位方法可以分为基于内部传感器的定位和基于外部 传感器的定位。 基于内部传感器的定位指借助于里程计、陀螺仪、加速度计等内部传感器，通过累 积测量结果，推算出当前机器人相对于初始时刻的位姿的定位方法。该方法能够提供相 对位姿信息，但其致命缺点是具有累积误差效应，即随着运动距离的增大，其位姿估计 基于图像处理的目标自动检测与定位的研究 j 的误差也会随之上升f j 5 】。所以此方法只适合于小范围、短距离定位。如果要进行大范围 的定位，则需要依靠其他传感器对累计误差进行纠正。 基于外部传感器的定位包括视觉定位、电磁定位、激光扫描定位、r f 工d ( 射频识别) 定位、声纳定位、红外定位等。 1 ) 视觉定位 该方法是近年来发展起来的一种定位方法。其原理是通过视觉传感器获取周围景物 的图像，利用景物中的一些自然或人造特征，通过图像处理方法得到周围环境模型来实 现定位【1 6 1 7 1 。该方法的优点是获取信息量大、灵敏度高、成本低，缺点是对环境光线有 一定要求、计算量较大。随着视频设备、计算机硬件设备性能的不断提升以及图像处理 方法的不断改进，视觉定位的整体性能将会有很大提高。视觉定位是自主机器人定位技 术的一个发展趋势。 2 ) 电磁定位 该方法是通过机器人本体的线圈检测埋设在地面下的电缆周围的磁场，并根据该信 息控制方向，以实现沿规定路径的导航控制。电磁定位方法的主要优点是原理简单，便 于控制和通信，缺点是灵活性差、维护困难【1 8 】。 3 ) 激光扫描定位 其原理是利用旋转镜面机构向外发射激光束，并检测由物体反射回来的激光束情 况，来获得外部环境信息【1 9 】。这种定位方法定位精度高、抗干扰性好、无累积误差，而 且定位周期短，但设备造价昂贵、成本较高，适合于机器人的实时应用。 4 ) r f i d 定位 r f i d 定位技术【2 0 】运用无线电技术进行通讯，将信息储存在标签中的一个小硅片内。 机器人走到标签附近，通过阅读到的标签信息估计出机器人的大概位置。r f i d 定位技术 不容易受遮挡影响，但定位精度比较低。 5 ) 声纳定位 声纳定位主要有两类系统。第一类系统通常在机器人本体安装声纳接收器，在导航 环境中安装n 个发射器，通过声波传输时间计算接收器与发射器之间的距离来定位。第 二类系统为基于声纳阵列的系统，在机器人本体安装n ( 2 至1 6 ) 个声纳，这些声纳按 照一定的规律组成阵列，通过声纳阵列来识别机器人周围环境中的边角、圆面以及墙等 物体，并计算距离来实现定位。声纳定位价格较低廉且具有一定的精度，但易受遮挡影 响且对环境的识别有一定难度。 6 ) 红外定位 大连理工大学硕士学位论文 红外定位主要为基于信标或路标的定位，此类系统一般是通过红外传感器实现对人 工路标或信标的检测识别，并直接测量机器人位姿。该方法计算比较简单，不需要通过 训练建立地图。如e v 0 1 u t i o n 机器人公司的基于主动信标的n o r t hs t a r 定位系统【2 1 1 。 组合定位方式是自主机器人定位技术发展的主流趋势之一。各种传感器都有其优缺 点，将他们组合到一起，利用传感器融合技术，可获得更准确的环境信息。文献 2 2 介 绍了名为x a v i e r 的机器人，在机器人上装有多种传感器，如激光探测器、声纳、车轮 编码器和彩色摄像机等，该机器人具有很高的自主导航能力。 前文已经分析讨论了移动机器人自定位的多种方法，下文将对室内移动机器人自定 位技术的研究现状以及发展趋势进行分析总结。 由于受室内环境尤其是家庭环境的限制，很多定位方法在室内移动机器人上很难或 根本无法应用，比如电磁定位、g p s 定位等等；另外，一些定位方法由于成本或精度等 原因，亦很难应用在商业化室内移动机器人中。比如激光定位系统需要相当高昂的成本， 而基于r f i d 的自定位系统的定位精度低是有待解决的问题。 从传感器角度来看，室内移动机器人自定位比较常用的方法主要有视觉定位，红外 定位以及多传感器融合定位等。视觉定位又可以分为基于单目视觉的定位，基于立体视 觉的定位以及基于全景摄像机的定位等。由于全景摄像机具有较宽的视场，比较容易实 现基于多路标的三角或三边定位系统，因而应用比较广泛【2 3 。2 4 1 ；基于单目视觉与人工路 标的自定位系统相对比较简单且易于实现，在实际系统中取得广泛应用1 2 5 2 7 】；立体视觉 一般用于基于自然路标的自定位系统中，文献 2 8 中采用s i f t 特征点作为自然路标来 实现机器人自定位；红外定位系统大多采用人工路标( 或信标) 实现，如文献 2 1 中 e v o l u t i o n 机器人公司的n o r t hs t a r 红外自定位系统。此外，基于多传感器融合的机器 人自定位系统也是当前研究的热点，文献 2 9 的自定位系统融合声纳传感器以及视觉传 感器实现了室内移动机器人的自定位。 由于传感器噪声以及测量结果不确定性等影响，概率自定位方法被广泛研究与应用， 主要有三类方法1 3 0 j ：卡尔曼滤波方法、马尔可夫方法以及蒙特卡罗方法。卡尔曼滤波方 法要求系统及测量噪声为高斯白噪声，且无法解决机器人绑架问题，一般用于位姿跟踪， 不适合全局定位。后两种方法对测量噪声以及位姿的密度分布没有特定要求，常用于全 局定位。与马尔可夫自定位相比，蒙特卡罗自定位方法具有更高的时间与空间效率，是 目前移动机器人自定位技术研究与应用的热点之一。 目前，根据已知地图的移动机器人定位和导航研究已有许多成功实例，然而，在 大多数情况下，机器人所处的环境是未知的和动态变化的，因而移动机器人在未知环 境下的同步定位与地图构建( s i m u l t a n e o u s1 0 c a l i z a t i o na n dm a p p i n g ，s l a m ) 则成 基于图像处理的目标自动检测与定位的研究 为机器人自定位领域的热点。常用的s l a m 技术主要有基于激光传感器的s l 删和基于视 觉传感器的s l a m ( 简称v s l a m ) 。由于视觉传感器的优点，v s l a m 具有更广泛的应用前 景。v s l a m 技术一般基于自然路标实现，在国内外展开了广泛的理论研究p ，但要想成 功应用于实际系统中，还有很多问题有待解决，比如实时性问题、超多维问题、数据关 联问题以及累积误差问题等等。目前相对比较成熟的v s l a m 的商用导航软件有 e v 0 1 u t i o n 机器人公司的e r s p 3 1 软件矧。 1 3 论文结构安排 论文章节安排如下： 第一章：介绍了基于图像处理的检测技术的概况，综述了目标检测技术的国内外研 究现状；综述了室内移动机器人自定位技术的研究现状及发展趋势。 第二章：简要介绍了基于图像处理的目标检测技术的基本原理，并研究了基于图像 处理的模糊检测算法原理，对焊缝图像的预处理、检测、缺陷识别、算法加速等做了详 细的分析和介绍。 第三章：详细介绍了焊接质量数字化管理系统的设计方案与关键技术，并简要介绍 了焊接质量数字化检测与管理系统的运行环境以及该系统的总体功能。 第四章：详细分析了路标的检测与识别算法，通过实验验证了算法的可行性；详细 分析并研究基于模型的共面p 4 p 位姿测量算法，通过实验验证了算法的可行性并用于机 器人位姿计算；最后详细分析了单目视觉定位系统的精度问题。 第五章：对现有工作进行了总结，并给出下一步研究的方向。 2基于图像处理的目标检测 2 1目标缺陷检测技术原理 常用的目标缺陷检测方法包括射线检测法、超声检测法、磁力检测法、涡流检测法、 渗透检测法等。其中，基于机器视觉的x 射线检测法由于具灵敏度高、分辨率高和可靠 性强等特点成为目前广泛应用的检测方法，其最主要的应用是检测工件内部的缺陷。x 射线穿透物体的过程中具有定的衰减规律，可以通过工件各部位衰减后的射线强度检 测工件内部的缺陷。不同工件其衰减程度不同，衰减的程度由工件的厚度、材料和品种 大连理工大学硕士学位论文 而定。当工件中含有未焊透缺陷时，未焊透的部分不易吸收射线，射线就不容易透过。 相反当混进容易吸收射线的异物时，这些地方的射线就容易透过。 通常的缺陷检测方法主要靠人工从图像监视器中观看图像进行检测，但人工检测本 身存在不可避免的缺点，如主观标准不一致、劳动强度大、检测效率低等。因此，急需 要研究一种有效的缺陷自动检测方法来代替人工检测，从而使缺陷检测工作客观化、规 范化和智能化。下面将从x 胶片图像的获取、预处理、模糊检测等理论阐述视觉检测技 术的基本原理。 本文根据工程实际需要，利用基于图像处理的模糊检测算法对焊缝胶片进行检测、 自动提取胶片的焊缝区域，并对该区域进行自动缺陷识别。本文设计的系统将焊缝胶片 缺陷的检测以及胶片信息的综合管理集成一体，可以自动识别焊缝胶片缺陷、判断缺陷 类型，并根据r c c m 标准对焊缝胶片进行自动分级。该系统还可以将识别后的缺陷信 息、胶片的焊接信息、焊接技术条件、焊接工艺、焊接人员、胶片等级、缺陷底片清单 数据、操作者等信息自动生成r t ( 射线检测) 报告。通过将r t 报告的各项数据存储 在数据库，为后续的焊接质量查询、统计提供依据，实现综合管理的要求。 2 1 1 x 胶片图像的获取与数字化 由于高质量的胶片存储信息量大，空间分辨率高，而且人们长时间积累了大量经验， 目前胶片成像技术还大量用于工业和医疗的无损检测领域。传统的x 光胶片是以底片的 形式存在的，但是随着计算机技术的发展，对x 射线胶片进行自动化检测和管理显得越 来越重要。所以如何使传统的胶片适应于计算机的处理显得越来越重要。通过扫描仪能 够将胶片存成适应计算机处理的数字图像，并利用计算机视觉技术对数字图像进行处 理，实现焊缝图像的检测。x 射线胶片图像的数字化检测就是基于该项技术而实现的。 x 成像技术的原理是根据成像物体密度不同的各部分组织对x 射线的吸收不同。形 成透射x 射线强度差异，从而在乳胶上成像，形成x 射线胶片，得到高分辨率的x 射 线图像。x 射线胶片图像的数字化是指通过扫描仪扫描，将x 射线所成的胶片图像转化 为数字化的胶片图像。数字化处理后的胶片图像可以利用先进的计算机技术进行存储和 管理。数字化后的胶片图像在进行缺陷检测之前需要进行图像预处理、焊缝区域的提取， 然后完成自动检测与缺陷识别。图2 1 是一个x 射线所成胶片经过扫面仪扫描后的数字 化胶片图像。经过扫描仪扫描后的图片，由于扫描仪的分辨率等问题可能丢失一些信息， 通过参数调节以及检测结果，我们发现，丢失的信息不会影响最后的检测结果，故该方 法是可行的。 基于幽像处理的目标自动检测与定协的研究 使用扫描仪进行扫描时，需要记录扫描仪扫描的精度参数，单位是d p - ，表征了单 位面积内像素的多少。d p l 越小，扫描的清晰度越低。在我们扫描胶片的过程中，选取 的扫描精度参数为3 0 0 5 0 0 d p j 。例如，选取3 0 0 d p i 的参数，表示每英寸的像素数目是 3 0 0 个，通过这个单位换算，我们可以得到图像上任意两点之间的物理长度。从而可以 根据此计算出检测出的缺陷的物理尺寸。扫描仪扫描后的胶片图像如图21 所示： 图2 lx 射线胶片圈像 f k2 x - r a yn 】a 212 目标缺陷识别的原理 x 射线胶片缺陷按形状可分为两大娄：一类是块状缺陷，这类缺陷有气泡、夹渣等； 一类是条状缺陷，这类缺陷有未焊透、裂纹缺陷。该软件中的缺陷识别算法是基于模糊 理论的缺陷检测【3 3 。3 。因为检测块状缺陷和条状缺陷算法的基本思想和检测步骡是相同 的，只是遍历模板的大小不同，所以f 面以检测块状缺陷为例米阐述缺陷识别算法是如 何实现的。 x 射线穿过焊缝区域，凼为缺陷区域穿过的x 射线剂量较多，周围背景区域穿过的 x 射线剂量较少，所以在焊缝图像中，缺陷区域会呈现出一个亮点或者一条亮线。这样 在视觉上就可以根据在焊缝图像中某一个区域是否比其周围背景区域更加明亮来判断 该区域是否是缺陷区域。从图像处理的角度来看，可以根据焊缝图像中像素荻度值的大 小来判断一个区域是否是缺陷区域。 大连理工大学硕士学位论文 在x 射线焊缝胶片图像中，当缺陷区域和噪声区域呈现相同的空间对比度特性时( 区 域的平均灰度值相同) ，缺陷区域的空间方差特性显然要比噪声区域的空间方差特性低 ( 区域的灰度值变化程度小) ；而当缺陷区域和噪声区域呈现相同的空间方差特性时，缺 陷区域的空间对比度又必然要比噪声区域的空间对比度高。所以在本文所采用的模糊缺 陷检测算法中，对于具有相同空间对比度特性的区域来说，它的空间方差特性越小，就 越有理由相信这个区域是缺陷区域，其模糊隶属度的值就越高，反之就越低；对于具有 相同空间方差特性的区域来说，它的空间对比度特性越低，这个区域是缺陷区域的可能 性就越小，其模糊隶属度的值就越低，反之也就越高，这就是模糊缺陷检测算法的基本 原理，模糊缺陷检测算法中采用的模糊规则就是基于此而形成的。 2 2 数字化胶片缺陷检测算法的研究 基于对x 胶片图像的分析，我们发现整个胶片图像中，焊缝区域只占整个图像的小 部分区域。在这种情况下，如果我们还对整幅图像进行检测，对算法的复杂度和实时性 有极大的影响。在数字化后的x 射线图像中，背景区域、随机噪声与所关心的焊缝区域 混合在一起，这样不仅给缺陷检测带来一定的困难，而且还增加了算法的运算量和运算 时间，缺乏实时性。因此，本节首先对焊缝图像进行预处理，提取焊缝区域，以减少算 法的运算量，缩短运算时间，提高缺陷检测的效率。然后再采用模糊检测算法对数字化 胶片图像进行处理。算法的具体实现过程如下所述。 2 2 1 数字化胶片图像的预处理 图像预处理是计算机视觉检测与识别过程中的一个重要环节，其基本目的就是对采 集到的图像进行适当的处理，改善图像质量，使其更加便于缺陷分割和识别。焊缝预处 理主要包括模糊增强和焊缝区域的提取两步操作。 在若干种图像增强方法中，模糊增强的方法处理效果比较好。它在具有较好增强效 果的同时很好得兼顾了边缘保持效果，因此可以很大程度地提高图像的对比度。本节采 用图像的模糊增强方法，在图像的模糊特征域上修改像素。x 射线胶片图像函数厂( 五y ) 受到很多不确定性因素影响，边缘和一些部位模糊不清。焊缝边缘处灰度值是渐变的， 有些情况焊缝图像中焊缝和背景灰度相差不大，即边界不明显，具有较大模糊度i 这样 其焊缝的列灰度波形在边界处不易判断。采用模糊增强对边缘处增强后，白色焊缝区和 黑色背景区分别得到强化，从而使模糊的焊缝边界变得黑白分明，有利于确定焊缝边缘 位置。 根据模糊集合的概念，将一幅含有m 幸个像素五个灰度级的图像视为一个聊+ 刀 阶的模糊矩阵，将其表示为： 基于图像处理的目标自动检测与定位的研究 x = 厂( x ，y ) p l l 而l 仍i 恐l p 凯| x 吼 队2 x 、2 p n | x 冱 p n 2 1 ) c n 2 a r 而 ，i i p 2 nh 2 n f ( 2 1 ) 一，。l p n n | x n n 其中，p 删表示第( 聊，玎) 个像素k 的灰度模糊集的隶属度函数为p 脚矗，其值 表示隶属于某一灰度级的程度，且o 1 。 令以。表示第( 聊，刀) 个像素的灰度级，哦表示一幅图像的最大灰度级，定义隶属度 函数分别为： g ( ) - s i n 瓷 ( 2 2 ) 采用上述隶属度函数，其取值在【o ，l 】闭区间，使全体p 朋一( m = 1 ，2 m ；n = 1 ，2 n ) 组 成的图像平面成为图像的模糊特征平面。之后，模糊增强处理是在模糊特征平面上进行 的，采用如下方法： 删丁( p 小刀) = 乃( p 用力) = p 揣 ( 2 3 ) 其中因p 肼一 口，1 】，故有增强算子可定义为 船僻，慧笔詈 弦4 ， 利用模糊算子，可将图像像素隶属度低于( 高于) o 5 的灰度变得更低( 高) ，对 图像经过，次灰度模糊变换增强处理，对已增强的模糊特征p 篇再进行g 一逆变换，就 得到已增强的空域图像。其中隶属度变换的逆变换为： x 二一= g 一( p 黝) = 堡a r c s i n 夕册 ( 2 5 ) 取见：2 5 5 ，为当前像素点伽，刀) 的灰度值( 模糊增强前) 。疗为经过模糊增 强变换后得到的灰度值。当隶属度函数、模糊算子确定后，模糊增强次数，对处理后的 太连理t 大学硕士学位论文 焊缝图像起很大作用。在进行一次模糊增强后( ，= 2 ) ，x 射线检测图像中黑色背景和 焊缝内白色背景分别得到强化增强，原模糊的边缘变得黑白分明，从而有利于后面焊缝 边缘的确定。 因此，首先对每个像素点的原获度值进行正弦变化，设每个像素点灰度值为p 则由公式f 22 ) 得： p ( f ，j ) = s i n ( o 0 0 6 1 6 + p f c ( f ，肋 ( 2 6 ) 其中，f ，分别为行、列像素点个数。 根据公式( 24 ) 利用增强算子对像素隶属度进行增强处理，这样可使圈像隶属度高的 更高，低的更低，之后对隶属度变换进行逆变换利用公式( 25 1 得： p i c ( f ，) = 1 6 2 3 3 8 + “c s i n ( p ( f ，川 ( 27 ) ，n 其中，1 6 23 3 8 为计算= 生所得值。 口 用此方法得到的增强后的图像如图32 所示。与原图31 帽比较，从视觉方面可以看 出焊缝边缘更加清晰，黑白对比度更加明显。进行模期增强处理后的图片，在焊缝边缘 处图像明显对比度提高，在整张焊缝检测图片中，焊缝区域只占整张图片的很小一部分， 而图片的大部分都是与焊缝无关的背景区域。因此，倘若确定了图片大致的中心位煎 则可以去除大部分的背景区域，进而简化计算过程，减少计算量，提高计算速度。下而 介绍焊缝区域的提取。 豳22 模糊增强后的幽片 f 喀2 2 】m a 醇a n e ru s j “g z 纠e n h 抓c n ta l g o r i i h m 基于图像处理的目标自动检测与定位的研究 首先，我们累计焊缝图片行灰度值总和。由于背景区域和焊缝区域的灰度差别较大， 因此焊缝区域的行灰度值总和远远高于其他行的灰度值总和