一种多特征融合的小瓷砖智能定位方法技术

本发明专利技术公开一种多特征融合的小瓷砖智能定位方法，包括以下步骤：步骤1，图像采集通过高速线阵CCD相机采集图像；步骤2，图像预处理，先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；步骤3，特征提取，基于步骤2的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征；利用步骤2的滤波图与轮廓掩膜图进行逻辑与运算，再将运算结果图转入HSV颜色空间，并生成颜色特征；将基元特征与颜色特征生成组合特征；步骤4，图像目标判定；步骤5，瓷砖定位。本发明专利技术完成了在大FOV下小瓷砖的高精度定位，为视觉检测与机器人抓取提供精确的定位数据，且多分割单元可在多线程系统中并发运行，提高系统的实时性。

【技术实现步骤摘要】

本专利技术属于基于机器视觉的瓷砖定位分割
，特别涉及一种多特征融合的小瓷砖智能定位方法。
技术介绍
瓷砖通过在工厂的生产流水线上批量生产，烧制好的瓷砖从传送带上传至包装区域，此过程中通过工业机器人检测并定位到瓷砖的位置，进行抓取、搬运和装箱，这其中涉及到对于不同大小的瓷砖需要分析后分别包装，目前瓷砖检测的定位方法为两种：一种是通过人工借助测量工具与经验在线定位，另一种是借助特殊设计的机械结构安装传感器(即工业机器人)完成定位。人工检测受操作人员的经验、测量工具、疲劳度等因素的影响，不可避免带来定位误差。机械定位主要是机械结构无法适应多种规格的瓷砖类型，需要耗费较高的定位成本且适应性较差，尤其对于大视场(FieldofView)下的小规格瓷砖，由于无法预估当前FOV下小瓷砖数量且运动位置存在不确定性，以上两种方法均无法满足小型瓷砖的定位需求。当前国内各大科研单位与院校对小瓷砖高精度定位方法研究还比较少，因此针对传统定位方法成本高、适应性差、精度低的问题，开发智能化的小瓷砖定位方法成为自动化检测必然趋势。
技术实现思路
本专利技术为解决上述问题，提供了一种多特征融合的小瓷砖智能定位方法，结合机器视觉的梯度分割、颜色空间、几何基元和ROI技术，完成了在大FOV下，任意放置角度、复杂环境当中小瓷砖的高精度定位，为视觉检测与机器人抓取提供精确的定位数据，而且多分割单元可在多线程系统中并发运行，大大提高系统的实时性。为实现上述目的，本专利技术采用的技术方案为：一种多特征融合的小瓷砖智能定位方法，包括以下步骤：步骤1，图像采集通过高速线阵CCD相机采集图像；步骤2，图像预处理先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；步骤3，特征提取基于步骤2的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征，基元特征包括宽度、高度和完整度；先将轮廓图转为轮廓掩膜图，利用步骤2的滤波图与轮廓掩膜图进行逻辑与运算得到运算结果图，运算结果图转入HSV颜色空间，并生成颜色特征，颜色特征包括色调和饱和度；将基元特征与颜色特征组合成组合特征，组合特征包括长度、宽度、完整度、色调和饱和度；步骤4，图像目标判定将步骤3的组合特征与标准特征参数进行比较，若组合特征中任一参数不满足门限阈值则判定为步骤1采集的图像中不是定位瓷砖类型，若组合特征中所有参数均满足对应的门限阈值则判定采集的图像是定位瓷砖类型；所述的标准特征参数是采用带有样本标准瓷砖的图像进行组合特征提取，再将组合特征参数在高斯训练模型中训练所生成，组合特征参数包括长度、宽度、完整度、色调和饱和度五个特征的阈值；步骤5，瓷砖定位：针对判定是定位瓷砖类型的图像，以瓷砖轮廓的外接矩形的角点为基准生成对应的ROI区域，将ROI区域分割成独立处理单元，ROI区域即包含整块瓷砖边界区域的图像；计算瓷砖轮廓即独立处理单元的质心，该质心作为工业机器人抓取瓷砖的定位基准，将该质心数据传送至工业机器人系统中。所述步骤2图像预处理具体为：灰度化图像后，采用基于高斯核函数的双边滤波对采集图像进行滤波去噪处理，滤波公式如下：其中，系数σs为空域高斯函数的标准差，σr为值域高斯函数的标准差，Ω表示卷积的定义域，f(x)与f(y)分别表示图像邻域的像素值；小瓷砖分割采用Canny边缘检测算法，边缘检测成功后，采用8连通链码区域的Freeman链码对轮廓进行存储与表示。所述步骤3特征提取具体为：根据瓷砖自身的几何特性，即瓷砖轮廓基元与最小斜外接矩形的拟合，利用最小斜外接矩形作为其轮廓的几何基元，且生成相应的基元特征，分别为宽度、高度、完整度；将滤波图与轮廓图像作逻辑“与”运算得到掩膜图像，将生成的掩膜图像转换到符合人类认知环境的HSV颜色空间，从中派生出两个颜色指标：色调分量与饱和度分量，生成用于瓷砖定位的颜色特征；将颜色特征与基元特征一起构成定位的组合特征。所述步骤4图像目标判定公式为：其中，i＝{0,1,2,3,4,5本文档来自技高网...

【技术保护点】
一种多特征融合的小瓷砖智能定位方法，其特征在于：步骤1，图像采集通过高速线阵CCD相机采集图像；步骤2，图像预处理先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；步骤3，特征提取基于步骤2的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征，基元特征包括宽度、高度和完整度；先将轮廓图转为轮廓掩膜图，利用步骤2的滤波图与轮廓掩膜图进行逻辑与运算得到运算结果图，运算结果图转入HSV颜色空间，并生成颜色特征，颜色特征包括色调和饱和度；将基元特征与颜色特征组合成组合特征，组合特征包括长度、宽度、完整度、色调和饱和度；步骤4，图像目标判定将步骤3的组合特征与标准特征参数进行比较，若组合特征中任一参数不满足门限阈值则判定为步骤1采集的图像中不是定位瓷砖类型，若组合特征中所有参数均满足对应的门限阈值则判定采集的图像是定位瓷砖类型；所述的标准特征参数是采用带有样本标准瓷砖的图像进行组合特征提取，再将组合特征参数在高斯训练模型中训练所生成，组合特征参数包括长度、宽度、完整度、色调和饱和度五个特征的阈值；步骤5，瓷砖定位：针对判定是定位瓷砖类型的图像，以瓷砖轮廓的外接矩形的角点为基准生成对应的ROI区域，将ROI区域分割成独立处理单元，ROI区域即包含整块瓷砖边界区域的图像；计算瓷砖轮廓即独立处理单元的质心，该质心作为工业机器人抓取瓷砖的定位基准，将该质心数据传送至工业机器人系统中。...

【技术特征摘要】
1.一种多特征融合的小瓷砖智能定位方法，其特征在于：步骤1，图像采集通过高速线阵CCD相机采集图像；步骤2，图像预处理先灰度化图像，再进行滤波去噪处理，对滤波图采用边缘检测算法分割，再提取小瓷砖轮廓，得瓷砖轮廓图；步骤3，特征提取基于步骤2的轮廓图中瓷砖轮廓的几何特性生成相应的基元特征，基元特征包括宽度、高度和完整度；先将轮廓图转为轮廓掩膜图，利用步骤2的滤波图与轮廓掩膜图进行逻辑与运算得到运算结果图，运算结果图转入HSV颜色空间，并生成颜色特征，颜色特征包括色调和饱和度；将基元特征与颜色特征组合成组合特征，组合特征包括长度、宽度、完整度、色调和饱和度；步骤4，图像目标判定将步骤3的组合特征与标准特征参数进行比较，若组合特征中任一参数不满足门限阈值则判定为步骤1采集的图像中不是定位瓷砖类型，若组合特征中所有参数均满足对应的门限阈值则判定采集的图像是定位瓷砖类型；所述的标准特征参数是采用带有样本标准瓷砖的图像进行组合特征提取，再将组合特征参数在高斯训练模型中训练所生成，组合特征参数包括长度、宽度、完整度、色调和饱和度五个特征的阈值；步骤5，瓷砖定位：针对判定是定位瓷砖类型的图像，以瓷砖轮廓的外接矩形的角点为基准生成对应的ROI区域，将ROI区域分割成独立处理单元，ROI区域即包含整块瓷砖边界区域的图像；计算瓷砖轮廓即独立处理单元的质心，该质心作为工业机器人抓取瓷砖的定位基准，将该质心数据传送至工业机器人系统中。2....

【专利技术属性】
技术研发人员：李俊，杨林杰，高银，谢银辉，吴拱星，曾辉雄，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：福建;35