劃片機視覺識別系統(tǒng)設計原理分析

劃片機視覺識別系統(tǒng)設計原理分析

1 視覺識別系統(tǒng)構成

劃片機的視覺識別系統(tǒng)是以計算機為主的實時圖像處理系統(tǒng)。如圖1所示：

由光學照明系統(tǒng)，CCD攝像器件，圖像處理軟件等部分組成。



識別系統(tǒng)的目的是實現(xiàn)自動對準，在工作臺精度保證的前提下，高精度的圖象處理算法對視覺自動對準系統(tǒng)的精度起著決定性的作用，這當中的核心部分就是模式識別算法。目前常用的識別方法有統(tǒng)計模式識別法、特征提取法、神經(jīng)網(wǎng)絡識別、模板匹配法等。國內(nèi)在這一領域起步相對較晚，科研力量主要集中在一些高校院所，側(cè)重于理論研究，市場化效應不太明顯。這就使得在機器視覺領域的發(fā)展速度上明顯落后于歐美各國。

2 技術路線選擇

針對國內(nèi)外現(xiàn)狀，我們在著手建立劃片機自己的視覺識別技術構架時，出發(fā)點就擺在一個怎樣根據(jù)設備自身特點，盡量利用現(xiàn)有成熟資源和理論算法，建立一個集效率和實用于一體的視覺算法集，進而形成針對全自動劃片機自己的機器視覺庫。

通過嘗試過多種方式，包括和國外機器視覺公司合作，根據(jù)特定功能模塊要求定制其成套視覺識別系統(tǒng)等。但是遇到的問題是必須承擔國外公司昂貴的開發(fā)成本和高額利潤，導致設備成本直線升高，而且在合作的過程中極有可能泄露我們自己的技術秘密。實踐檢驗這條路子是不可行的。購買國外視覺公司的軟件開發(fā)包，進行二次開發(fā)較上種方式更為合適，技術難度也較小。然而也面臨著軟件開發(fā)包針對性不強，實際使用過程中效果并不完全符合現(xiàn)場要求，單臺設備成本提高及出現(xiàn)問題無法解決等情況。經(jīng)過不斷摸索，以及對當今業(yè)界幾種通用算法的比較后，我們最終決定在全自動劃片機上采用基于Open CV視覺函數(shù)庫的模板幾何特征匹配算法。

Open CV是英特爾開源計算機視覺庫，是一個跨平臺的由中、高層API構成的視覺函數(shù)庫。它由一系列C函數(shù)和少量c++類構成，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法，這就避免了我們在一些成熟低水平算法上的重復研究，節(jié)省了大量時間。更重要的是它對非商業(yè)用途和商業(yè)用途都是免費(FREE)的，不會對我們的設備成本造成壓力。而模板的幾何特征匹配是20世紀90年代后期在市場上出現(xiàn)的一種新的視覺定位技術。據(jù)了解，目前世界許多著名的半導體設備廠商包括日本DISCO，東京精密，美國K＆s等都在其主要設備視覺領域采用了與此相關的技術。與傳統(tǒng)的灰度級匹配不同，幾何特征匹配通過設置興趣域并學習興趣域內(nèi)的物體幾何特征，然后在圖像內(nèi)尋找相似形狀的物體，它不依賴于特殊的像素灰度，從原理上保證了它具有優(yōu)于傳統(tǒng)視覺定位算法的一些特點。該算法在全自動劃片機的研制過程中得到了驗證。這種技術的應用，提高了全自動劃片機的視覺識別效率和自動對準能力，使得在改變工件角度、尺寸、明暗度等條件的情況下，仍能精確定位物體，實現(xiàn)自動對準劃切。

3 識別系統(tǒng)設計

3.1 設計流程

視覺識別系統(tǒng)的設計結(jié)構大都基本相似，關鍵在于識別算法的選擇，劃片機視覺識別系統(tǒng)設計結(jié)構流程如圖2所示：

在該算法的應用過程當中，考慮到劃片機工作現(xiàn)場的實際情況，為了有效地提取預存模板圖像的特征點，我們對獲取的劃切工件模板圖像進行了預處理，以便提取出圖像當中的幾何特征，這些預處理主要包括減小和濾除圖像中的躁聲、增強圖像中待匹配的幾何特征點等。這其中濾波和分割是提取預模板圖像幾何特征前的兩個重要步驟。

3.2 濾波器設計原理

一般來說，現(xiàn)場躁聲在圖像中都表現(xiàn)為高頻信號，因此一般的濾波器都是通過減弱和消除傅立葉空間中的高頻分量來達到濾波的目的。然而，待劃切工件中的各種結(jié)構細節(jié)，如：邊緣和角，也都屬于高頻分量，因此，如何在濾除躁聲的同時最大限度地保留圖像中的結(jié)構特征，一直是圖像濾波研究中的主要方向。

線性濾波器有移動平均濾波器和高斯濾波器等，非線性濾波器中最常用的有中值濾波器和SUSAN(Smallest Univalue Segment Assimilating Nucleus)濾波。其中SUSAN濾波可以在濾除圖像躁聲的同時很好保存物體的其他結(jié)構特征。能夠滿足全自動劃片機自動對準系統(tǒng)中對定位模板圖像進行躁聲平滑的效果要求。SUASN方法是一類圖像處理算法的總稱，包括濾波，邊緣提取，角點提取，所有這些算法的基本原理都是相同的。

SUSAN濾波實質(zhì)上是加權平均的均值濾波，相似度測試函數(shù)為它的加權因子。式(1)定義了相似度測試函數(shù)，它衡量了像素S[i,j]與其領域內(nèi)各像素S[i-m，j-n](m，n為偏移量)之間的相似程度?？梢钥闯觯合嗨贫葴y量函數(shù)不僅比較了S[i-m，j-n]和S[i，j]灰度值的差異，而且還考慮了S[i-m，j-n]與S[i,j]之間距離的影響。

式中：S[i-m，j-n]，S[i,j]為像素的灰度值，T是衡量灰度值相似程度的閥值，其取值對濾波結(jié)果影響較小。其中：θ可認為是高斯平滑濾波器的方差，θ取較大的值可以得到較好的平滑效果，θ取較小的值能保持圖像中的細節(jié)，經(jīng)過多次實驗，我們認為取4.O較為合適。

相似度測量函數(shù)定義的濾波函數(shù)如式(2)：

式中：S，[i，j]是像素濾波后的灰度值。由式(2)可知，相似度大的權值就大，因此對濾波結(jié)果的影響較大，相反則影響較小。SUSAN濾波不包括中心點本身，可以有效的去除脈沖躁聲。