【基于delta机器人的视觉测量系统的设计案例4000字】

基于delta机器人的视觉测量系统的设计案基于delta机器人的视觉测量系统的设计案例 11.1.图像拼接 2 31.2.1.灰度化 41.2.2.均值滤波 4 61.2.4.图像锐化 81.2.5.阈值分割 91.3.系统标定 1.4.尺寸测量 1 1 本文选用Matlab作为开发环境设计测量系统。为了降低程序复杂性，将图像测量系统分为以下四个模块：图像拼接，图像处理，系统标定，尺寸测量。其界面如图4-1所示。系统标定阈值分割中值滤波图4-1软件界面提取特征点提取特征点确定模板大小模板匹特征点精罐匹配图4-2图像拼接流程先对相邻两幅图像提取特征点，在第一幅图像中根据特征点确定模板，根据Delta并联机构动平台位移在第二幅图像中限定搜索范围，完成粗匹配。再基于模板块内特征点大小及位置和搜索范围内特征点大小及位置进行精确匹配，最后完成图像拼接。由于获得的工件图像缺乏边缘、轮廓，本文将采用角点作为特征点。因为Harris算子计算简单，不因亮度、对比度的变化而发生较大变化，而且具有旋转不变性，本文将用Harris算子获取角点。其算法步骤如下所示：(1)通过gradient函数求出图像的梯度，其用法为[Ix,Iy]=gradient(F)。其中F为对象图像；Ix、Iy分别为x、y方向的梯度；(2)计算梯度方向的乘积，即：,以及；(3)通过fspecial函数创建高斯低通滤波器，在用filter2函数对、、进行高斯加权；(4)用双for循环遍历图像所有像素点，通过公式计算每个像素的Harris响应值R。然后使用if条件语句，条件设为R<0,滤除不符合条件的像素点，剩余的点即为角点，记录其位置。本文选用序贯相似性检测法(SSDA)进行模板匹配，其算法步骤如下：(1)在重叠区域中根据特征点的分布确定模板块T(x,y)。一般模板块内的重叠区域的特征点个数为310个。(2)在采集工件图像时，相机固定，通过delta并联机构移动摄像头采集图像，根据动平台x、y方向的位移量确定图像间的相对位移，从而在第二幅图像中限定搜索范围S(x,y)。(3)设定阈值Th(4)在搜索范围内选取子图Si(x,y),在模板图中随机选取不重复的像素点，计算与子图的绝对误差，并累加，当误差超过Th时，记下累加次数H。绝对误差计算公式如下所示：其中S₁(x,y)和T(x,y)分别代表子图、模板图的均值；(5)重复步骤4,直至遍历完所有子图，H最大值对应的子图为匹配图。进一步降低程序复杂性，并为了后续可以方便的修改代码，利用Maltab中的邻域)效果就很好了。邻域取的越大，图像变得越模糊起来。常用的高斯模坂高斯模坂一般模板图4-3常用均值模板(2)从第二行第二列开始，遍历图像所有像素点，通过两个for循环完成，循(3)将选定像素点(i,j)的领域矩阵(3×3)和模板相乘，在计算矩阵的行列(4)将行列式的值作为灰度值赋给该像素点，循环结束后，将得到滤波后图像。均值滤波对高斯噪声影响如图4-4所示：图4-4均值滤波对高斯噪声影响对椒盐噪声如图4-5所示：加入椒盐噪声一般模板强中心模板高斯模板图4-5均值滤波对椒盐噪声影响1.2.3.中值滤波中值滤波是一种非线性滤波，它的基本原理是把图像中像素点的灰度值用该点的领域中各点灰度值的中值替代。中值滤波在滤除噪声的同时，可以很好地保护图像的边缘信息，但有时会丢失掉图像中的细节。中值滤波可以定义为如下式4-3所示：素灰度值。中值滤波常规模板如图4-6所示。形矩形图4-6中值滤波常规模板在maltab中，其算法实现步骤如下：(1)通过size函数获得图像大小(height,width);(2)从第三行第三列开始，遍历图像所有像素点，通过两个for循环完成，循环次(3)将选定像素点(i,j)的领域矩阵(5×5)和模板相乘得到矩阵g(4)用sort函数对矩阵g进行排序。排序后的矩阵g的中心像素的灰度值就是领域矩阵内像素灰度值的中值。(5)将g(13)的值赋给该像素点(i,j),循环结束后，将得到滤波后图像。中值滤波对高斯噪声影响如图4-7所示：图4-7中值滤波对高斯噪声影响对椒盐噪声影响如图4-8所示：图4-8中值滤波对椒盐噪声影响Sobel算子是基于一阶导数的边缘检测算子。用来运算图像亮度函数的一阶梯度之近似值。该算子对噪声具有平滑作用，能有效的消除噪声的影响，可以提供精确的边缘方向信息。在Maltab中其算法主要步骤：(1)用两个for循环遍历图像所有的像素点；(2)将选定像素点的领域矩阵与模板相乘，在求出矩阵的行列式的值；(3)将该值作为灰度值赋给对应像素点；(4)循环完毕后，将会得到新的图像，与原图像相加，完成图像锐化。LoG算子是一种利用图像强度二阶导数的零交叉点来求边缘点的算法。因其将高斯滤波和拉普拉斯检测算子结合在一起进行边缘检测，检测效果好，图像处理后也很清晰。此种方法在对边缘噪声十分敏感，所以边缘检测前首先通过滤波消除噪声。该算法的主要思路如下：(1)滤波：对图像f(x,y)进行滤波，其滤波函数为高斯函数。如下式4-4所示：将其与f(x,y)进行卷积，可以得到一个平滑的图像I(x,y),如下式4-5所示：像M(x,y),如下式(4-6)所示：(3)检测：根据二阶导数的零交叉点(一阶导数的较大峰值)对图像进行边缘检图4-9边缘提取LoG算子(1)给定一个初始阈值，将图像分为两类。(2)分别计算出每个灰度值在图像矩阵中的个数。(3)计算每个灰度值在总矩阵中所占的比例，同时计算出图像总体的灰度均值。(4)初始化阈值开始遍历所有像素点，不断进行计算类间方差的运算，直至找出(5)将小于最佳阈值的灰度值赋值为0,大于最佳阈值的灰度值赋值为255。在maltab中，我们可以调用其官方函数graythresh获取最佳阈值，其用法函数对图像进行分割，其用法为Iɪ=im2bw(I,T),其中I为对象图像，T为设置阈(1)选择图像灰度的中值作为全局阈值的初始估计值T,并预设精度TO;(2)用阈值T分割图像，得到两个区域：r1由灰度等于T像素组成；(3)通过mean函数计算r1和r2像素的平均灰度值m1和m2,加和取平均，即Ti=(4)重复步骤2和3,直到与的差小于T0为止；(5)用im2bw函数进行图像分割，阈值为Ti。原图otsu法图4-10阈值分割(1)获取文本框中输入的标准件物理尺寸S;(2)运用尺寸测量算法，对标准件进行测量，获得像素尺寸，(3)由公式计算标定系数。k。当然，当测量环境改变时，如摄像机和工作台的相对位置改变区域，标记为1、2…num