（机械电子工程专业论文）基于视觉的精密定位系统研究及应用.pdf

i _ 北t ：业人学硕士学位论义 基于视觉的精密定位系统研究及应用 摘要 基于视觉定位子系统的研究是当前机器视觉领域的研究热点，有着广泛的应用前景。 本文进行的研究首先是基于机器视觉的基本理论和发展现状，讨论了机器视觉在各个领域 的应用情况；其次，按照机器视觉系统的逻辑结构，探讨了机器视觉定位系统各部分的设 计方法，并在此方法的指导下实现了8 6 3 计划项目“l 波段连续波多注宽带调速管” ( 2 0 0 2 a a 8 7 2 0 2 0 ) 子项一“基于视觉定位的磁场分布检测系统开发”中视觉定位部分的设 计，并将视觉定位部分成功应用于磁场分布检测系统中，保证了检测数据的准确性和可靠 性。论文主要内容如下： 介绍了视觉定位系统的工作原理，并分析了视觉定位的常用方法。根据项目的具体要 求全面分析了并论证了视觉定位磁场分布检测系统的具体指标及可行性。提出了视觉定位 系统的构建方案，并针对项目实施的具体要求对视觉定位系统主要硬件进行了选型设计。 对计算机视觉中常见的摄像机标定方法进行了分析、比较，并总结了各种标定方法的 优缺点。根据本系统工作过程中摄像机与工件之间距离固定这一特点，采用一种非线性标 定方法对系统进行标定，在一定程度上减少了摄像机畸变的影响，提高了检测精度。对非 线性标定算法的原理进行了详细论证，并对其校正精度进行测定实验。 针对视觉定位系统的实际应用，首先介绍了从硬件上改善图像质量的自动曝光方法， 随后又对图像预处理方法进行了详细介绍及功能比较。通过合理有效的图像预处理方法， 实现了目标图像由图像背景的良好分离效果，为之后的圆心定位打下了良好基础。提出了 一种边界点选组的圆拟合方法，能够有效的降低由于照明阴影对检测精度带来的影响，大 大提高了定位精度。 从软、硬件两方面详细介绍了视觉定位磁场分布检测系统的集成方法，并对硬件结构 及软件功能模块做了简单介绍。通过大量实验，详细分析了视觉定位误差原因并找出相应 的解决方法，用常规摄像机实现了视觉定位系统的精度要求，从而最终保证了视觉定位磁 场分布检测系统在实际磁场测量工作中的成功应用。 关键词：非线性标定，视觉定位，圆拟合，磁场分布，检测 基十视觉的精密定位系统研究发麻用 t h er e s e a r c ha n da p p l i c a t ! o n so fp r e c i s i o n p o s i t i o n l n gs y s t e mb a s e do nv i s i o n a b s t r a c t t h er e s e a r c hb a s e do nv i s i o np o s i t i o n i n gs u b s y s t e mi sah o t s p o to fm a c h i n ev i s i o n ，a n di t h a sac o m p r e h e n s i v ef o r e g r o u n do fa p p l i c a t i o n s f i r s t l y , t h eb a s i ct h e o r ya n dd e v e l o p m e n ts t a t u s o f m a c h i n ev i s i o ni si n t r o d u c e di nt h i sp a p e r s e c o n d l y , t h ed e s i g nt e c h n i q u ef o rd i f f e r e n tp a r to f m a c h i n ev i s i o ns y s t e mi sd i s c u s s e da c c o r d i n gt ot h es y s t e m sl o g i c a ls t r u c t u r e a n dt h e n ，t h e v i s i o np o s i t i o n i n gm o d u l e0f t h es u b - p r o j e c t ，t h em a g n e t i cf i e l dd e t e c t i n gs y s t e mw i t hv i s i o n p o s i t i o n i n g ，o fa8 6 3p r o j e c tn a m e d “m u l t i p l ya n dw i d ea d j u s t a b l et u b ei nl c o n t i n u a lw a v e b a n d ”( n o 2 0 0 2 a a 8 7 2 0 2 0 ) w a st u r n e dt om a l i t yw i t ht h ed e s i g nt e c h n i q u e sg u i d a n c ea n dp u t i n t oo p e r a t i o ns u c c e s s f u l l yi nt h em a g n e t i cf i e l dd e t e c t i n gs y s t e m t h em a i nr e s e a r c hw o r k sa r e a sf o l l o w s ： t h ew o r k i n gp r i n c i p l e so fv i s i o np o s i t i o n i n gs y s t e ma r ei n t r o d u c e da n di t sn o r m a lm e t h o d s a r ea n a l y z e di nt h i sp a p e r t h ep a r t i c u l a rs p e c i f i c a t i o n sa n df e a s i b i l i t yo f m a g n e t i cf i e l dd e t e c t i n g s y s t e ma r ea n a l y z e da n dd e m o n s t r a t e dc o m p r e h e n s i v e l ya c c o r d i n gt ot h ep r a c t i c a lr e q u i r e m e n t s t h e f r a m e w o r k o f t h e v i s i o n p o s i t i o n i n gs y s t e m is p u t f o r w a r d ，a n d t h e n t h e d e s i g no f m a i n h a r d w a r ei si n t r e d u e e d t h en o r m a lc a a n mc a l i b r a t i o nm e t h o d s ，w h i c hu s e di nc o m p u t e rv i s i o na r ea n a l y z e da n d c o m p a r e d a n dt h e nt h ea d v a n t a g e sa n dd i s a d v a n t a g e so ft h e s em e t h o d sa r es u m m e du p b e c a u s eo ft h ed i s t a n c eb e t w e e nt h ec a m e r aa n dt h ew o r kp i e c ei sc o n s t a n td u r i n gt h ew o r k i n g p e r i o d ，an o n l i n e a rc a f i b r a t i o nm e t h o dt h a tc a nr e d u c et h ec a m e r ad i s t o r ta n di m p r o v et h e p r e c i s i o no fi n s p e c t i o n i si n t r o d u c e di n t h i s t e s t i n gs y s t e m t h et h e o r yo ft h en o n l i n e a r c a l i b r a t i o n i s d e m o n s t r a t e d t h o r o u g h l y , a n de x p e r i m e n t s a r ec a r r i e d o u t t o t e s t t h ec a l i b r a t i o n p r e c i s i o n a c c o r d i n gt ot h ep r a c t i c a la p p l i c a t i o no ft h ev i s i o np o s i t i o n i n gs y s t e m ，t h ea u t oe x p o s u r e m e t h o d ，w h i c he o n e e mt ot h eh a r d w a r ei sa d o p t e di nt h ef i r s ti n s t a n c e s u b s e q u e n t l y , m a n y i m a g e p r e p r o c e s s i n gm e t h o d sa r ei n t r o d u c e da n dc o m p a r e d w i t he f f i c i e n ti m a g e p r e p r o c e s s i n g m e t h o d s ，t h eo b j e c t sc a l lb es e p a r a t e df r o mt h eb a c k g r o u n dw e l lt h a tp r e p a r ef o rp o s i t i o n i n gt h e c e n t e r so ft h ec i r c l e s t or e d u c et h ei m p a c tc a s e db ys h a d o w , am e t h o db yr e g r o u p i n ge d g e p o i n t sw i t hs e l e c t i o ni si n t r o d u c e di n c i r c l ef i t t i n g , w h i c hc a r li m p r o v ep o s i t i o n i n gp r e c i s i o n r e m a r k a b l e t h ei n t e g r a t i o no ft h em a g n e t i cf i e l dd e t e c t i n gs y s t e mw i t hv i s i o np o s i t i o n i n gi si n t r o d u c e d f r o mt h eh a r d w a r ea n ds o f t w a r ea s p e c t s t or e d u c et h ep o s i t i o n i n ge r r o r s ，s o m ec o r r e s p o n d i n g w a y sa r ef o u n db ym a n ye x p e r i m e n t s ，a sar e s u l t ，t h eg e n e r a lc a m e r aw o r k sw e l l a l lo ft h e s e w o r k sg u a r a n t e et h a tt h ea p p l i c a t i o no ft h em a g n e t i cf i e l dd e t e c t i n gs y s t e mw i t hv i s i o n p o s i t i o n i n gi ss u c c e s s f u l k e yw o r d s ：n o n l i n e a rc a l i b r a t i o n ，v i s i o np o s i t i o n i n g ，c i r c l e f i t t i n g ，m a g n e t i c f i e l d d i s t r i b u t i o n ，d e t e c t i o n 河北t 业大学硕f 。学位论文 第一章绪论 卜1 引言 人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，而视觉，是人类最重要的感觉功 能。据统计，人所感知的外界信息有8 0 以上是由视觉得到的。计算机视觉又称为机器视觉，机器视 觉主要研究用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最 终用于实际检测、测量和控制“j 。 机器视觉技术是近几十年来发展的- - i 1 新兴技术。机器视觉是研究使机器具有类似于生物视觉部 分功能的一门新兴学科。因此在工业过程质量检测、监控、非接触位置与j l 何测量、视觉伺服控制、 机器人自主行为规划、机器人遥操作、透视3 d 成像、反求工程、遥现与遥视等研究与工业领域有着 不可替代作用和巨大的发展前景。 计算机视觉的主要目标是用图像来创建和恢复现实世界模型，然后认知现实世界。简单的说，计 算机视觉就是使机器具备“看”的功能，使机器能认识和看懂所要看的东西，能确定它所见范围内目 标的位置。然而，视觉本身也是人类最复杂的感知过程之一，视觉数据中通常含有大量的无关或者甚 至使人误解的偏差，而其数据本身并不显示出相应的相关性和不相关性。所以，计算机视觉所要完成 的是一系列复杂的信息处理任务9 j 。计算机视觉是研究计算机模拟生物外显或宏观视觉功能的科学与 技术，是一个相当新且发展十分迅速的研究领域。机器视觉在人类视觉无法感知的场合，如精确定量 感知、危险场景感知、不可见物体感知等，更突显其优越性1 4 j 。在工业领域，机器视觉已成功地用于 零件的识别与定位、产品质量检验、刀具磨损监控、精密测量和移动机器人导航等领域p 。j 。随着计算 机硬件和软件的飞速发展，高分辨率影像输入设备的研制及相匹配的高性能图像采集卡的出现，计算 机视觉在各个领域的应用必将越来越广泛p j 。 卜2 机器视觉的发展现状及应用 卜2 1 机器视觉的发展现状 从机器视觉研究的主要内容来看，机器视觉系统又可以分为；输入设备、低层视觉、中层视觉、 高层视觉和体系结构五个部分。输入设备( i n p u td e v i c e ) 包括成像设备和数字化设备，如c c d 摄像 机、激光、红外、超声、x 射线成像设备等。通过这些数字化设备，机器视觉系统可以获取数字化的 图像信息。低层视觉( l o w l e v e l ) 主要对输入的原始图像信号进行处理。这一过程借用了大量的图像 处理技术和算法，如滤波、边缘检测、图像增强等，从图像中提取场景的基本特征。这一过程还包括 图像校正、图像纹理检测、运动检测等。中层视觉的主要任务是恢复场景的深度、轮廓等有关场景的 2 5 维信息。高层视觉( h i g hl e v e i ) 的任务是以物体为中心的坐标系中，在原始输入图像、图像基本 特征、2 5 维图像的基础上恢复完整的三维图，建立物体的三维描述，识别三维物体并确定物体的位置 和方向。体系结构涉及并行结构、分层结构、信息流结构、拓扑结构等9 j 。 机器视觉系统的基本结构如图1 1 所示：在一定的光照( 包括可见光、红外线甚至超声波等各种 成像手段) 条件下，成像设备( 摄像机、图像采集卡等) 把三维场景的图像采集到计算机内部，形成 强度的二维阵列一原始图像；然后，运用图像处理技术对采集到的原始图像进行预处理以得到质量改 善了的图像；其次，运用机器视觉技术从图像中提取感兴趣的特征，构成对图像的描述；进一步，运 用模式识别技术对抽取到的特征进行分类整理：最后运用人工只能得到更高层次的抽象描述，完成视 觉系统的任务。 町北1 = 业人学碗i 学位论史 第章绪论 卜l 引言 人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，而视觉，是人类最重要的感觉功 能。据统计，人所感知的外界信息有8 0 以上是由视觉得到的【l 】。计算机视觉又称为机器视觉机器视 觉主要研究用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最 终用丁实际检测、测量和控制”l 。 机器视觉技术是近几十年来笸展的一门新兴技术。机器视觉是研究使机器具有类似于生物视觉部 分功能的一门新兴学科。冈此在丁业过程质量检测、监控、非接触位置与几何测量、视觉伺服控制、 机器人自土行为规划、机器人遥操作、透视3 d 成像、反求工程、遥现与遥视等研究与工业领域有着 不可替代作用和巨人的发展前景。 计算机视觉的主要目标是用图像来刨建和恢复现实世界模型，然后认知现实世界。简单的说，计 算机视觉就是使机器具备“看”的功能，使机器能认识和看懂所要看的东西，能确定它所见范围内目 标的位置。然而，视觉本身也是人类最复杂的感知过程之一，视觉数据中通常含有大量的无关或者甚 至使人误解的偏差，而其数据本身并不显示出相应的相关性和不相关性。所以，计算机视觉所要完成 的是一系列复杂的信息处理任务9 】。计算机视觉是研究计算机模拟生物外显或宏观视觉功能的科学与 技术，是一个相当新且发展十分迅速的研究领域。机器视觉在人类视觉无法感知的场合，如精确定量 感知、危险场景撼知、不可见物体感知等，更突显其优越性h 。在工业领域，机器视觉已成功地用丁 零件的识别与定位、产品质量检验、刀具磨损监控、精密测量和移动机器人导航等领域【5 。】。随着计算 机硬什和软件的飞速发展，高分辨率影像输入设备的研制及相匹配的高性能图像采集卡的出现，计算 机视觉在各个领域的应用必将越来越广泛p j 。 卜2 机器视觉的发展现状及应用 卜2 一i 机器视觉的发展现状 从机器视觉研究的主要内容来看，机器视觉系统又可以分为：输入设各、低层视觉、中层视觉、 高层视觉和体系结构五个部分。输入设备( i n p u td e v i c e ) 包括成像设备和数字化设备，如c c d 摄像 机、激光、红外、超声、x 射线成像设备等。通过这些数字化设备，机器视觉系统可以获取数字化的 图像信息。低层视觉( l o w l e v e l ) 主要对输入的原始图像信号进行处理。这一过程借用了大量的图像 处理技术和算法，如滤波、边缘检测、图像增强等，从图像中提取场景的基本特征。这一过程还包括 图像校正、图像纹理检测、运动检测等。中层视觉的主要任务是恢复场景的深度、轮廓等有关场景的 2 5 维信息。高层视觉( h i 曲l e v e l ) 的任务是以物体为中心的坐标系中，在原始输入图像、图像基本 特征、2 5 维图像的基础上恢复完整的三维图，建立物体的三维描述，识别三维物体并确定物体的位置 和方向。体系结构涉及并行结构、分层结构、信息流结构、拓扑结构等p j 。 机器视觉系统的基本结构如图l1 所示：在一定的光照( 包括可见光、红外线甚至超声波等各种 成像手段) 条件下，成像设备( 摄像机、图像采集卡等) 把三维场景的图像采集到计算机内部，形成 强度的二维阵列一原始图像；然后，运用图像处理技术对采集到的原始图像进行预处理以得到质量改 善了的图像t 其次，运用机器视觉技术从图像中提取感兴趣的特征，构成对图像的描述；进一步，运 用模式识别技术对抽取到的特征进行分类整理；晟厉运用人工只能得到更高层次的抽象描述，完成视 觉系统的任务。 觉系统的任务。 基十视觉的精密定位系统研究及心用 图1 1 机器视觉的基本结构 f i g u r e 1 1t h eb a s es t r u c t u r eo f m a c h i n ev i s i o n 机器视觉是一个发展速度非常快的新兴研究领域。人们对机器视觉的研究工作始于2 0 世纪5 0 年 代对二维图像的统计模式识别。6 0 年代r o b e r t s 开始对三维机器视觉进行研究。7 0 年代中，m i t 人工 智能实验室( m i t a i ) 正式开设“机器视觉”课程，并吸引国际上许多知名学者进行机器视觉的深入 研究，d a v i dm a r t 在此期间提出了机器视觉研究中迄今为止最完善的视觉理论。8 0 年代，全球掀起了 机器视觉的研究热潮。机器视觉因此得到了蓬勃的发展。直至今天，机器视觉仍然是非常活跃的研究 领域。不过，机器视觉仍处于十分不成熟的阶段，其发展仍落后于人们所期望的发展水平。图像的多 义性、环境因素的影响、知识导引和大量要处理的数据都是机器视觉研究中面临的难题。为解决这些 问题，研究人员不断寻求新的解决途径和手段，如主动视觉( a c t i v ev i s i o n ) 1 0 - 1 2 、面向任务的视觉 ( t a s k - o r i e n t e dv i s i o n ) 1 1 3 q 4 、基于模型和知识的视觉以及多传感器信息融合和集成视觉等方法【l ”，这 些方法为机器视觉的进一步发展奠定了基础。 近年来，关于图像处理方法的研究有了很大进展。b h u i y a n l t 6 | s r i n i v a s a n b 7 1c h u a n i i “、杨海军 i l ”、夏哲雷 2 0 i 、甘领口”等提出了基于不同神经网络的边缘检测方法；w a n g 和t s a i 研究了数学形态学 在边缘检测领域中的应用田j 并提出了几种具有抗噪能力的数学形态边缘算子。机器人技术国家工程 研究中心在若干多尺度边缘检测方法的基础上，提出了把线结构作为一种尺度空间特征的直线抽取方 法口3 1 ；et r i e n d 和djk r i n g m a n 介绍了利用图搜索和动态规划方法检测边缘的方法“。多传感器数 据融合的概念、方法和实现介绍了基于边界点方向的边界检测方法阱j 。这种方法能有效地去除伪边界 点同时避免真边界点的丢失，定位精度嵩，且提取的边界为单像素宽，运算效率高，能达实时处理。 阈值分割方法也有进一步的研究。例如，z e n z o 等提出了用模糊熵进行图像阈值分割的方法忡j ： 姚宇华等提出了基于局部最大方差分割的图像二值化算法，对目标与背景灰度混迭严重的图像具有很 好的分割效果【”1 。d o w n i e 2 ”、a b r a m o v i c h 2 9 1 、陈华丽p 0 1 等将小波理论应用到图像阖值分割算法中， 取得了良好的效果。另外，区域生长法、分裂合并法也是图像分割的有效方法。 图像理解是机器视觉中的上层建筑，是一个引起人们极大兴趣的前沿研究领域。8 0 年代初，m a n 提出了视觉计算理论后，图像理解技术有了较大发展。立体视觉技术、利用单目2 - d 图像恢复3 d 目 标形状信息技术、视觉知识的表达和使用、匹配和理解技术等都发展很快。在机器视觉中，匹配技术 对智能机器理解场景含义起着重要作用。匹配的对象可以是具体图像的匹配也可以是抽象目标的匹配， 不同的匹配对象可用不同的方法来匹配。目前，常用模板匹配法匹配整体或局部的图像，利用字符串 匹配、特征点匹配或形状数匹配的进行目标匹配，用几何参数法、不变矩法、边界方向直方图法、小 波重要系数法、小波轮廓表示法进行形状匹配，还可对颜色和纹理进行匹配。例如，用模板匹配法识 别数字【3 ”，用小波变换模极大值( w a v e l e t m o d u l u sm a x i m a ) 和神经网络的方法来识别经过旋转、平移 或缩放变换的二维目标等”“。 2 河北t 业大学颁卜学位论文 1 2 - 2 机器视觉的应用 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，借助红外线，紫外线，x 射线，超 卢波等高新探测技术，机器视觉在探测不可视物体和高危险场景时，更具有其突出的优点。机器视觉 技术现巳得到广泛的应用”j 。 1 机器视觉在t 业检测中的应用 目前，机器视觉己成功地应用于工业检测领域，人幅度地提高了产品的质量和可靠性，保证了生 产速度。例如产品包装印刷质量的检测、饮料行业的容器质量检测、饮料填充检测、饮料产品封口检 测、木材厂木料检测、半导体集成块封装质量检测、卷钢质量检测和水果分级检测等。在制药生产线 上，使用机器视觉技术可以对药品包装进行检测，以确定是否装入正确的药粒。 2 机器视觉在医学中应用 在医学领域，机器视觉用于辅助医生进行医学影像的分析，主要利用数字图像处理技术、信息融 合技术对互射线透视图、核磁共振图像、c t 图像进行分析或对其它医学影像数据的统计和分析。不 同医学影像设备得到的是不同特性的生物组织的图像。例如，x 射线反映的是骨骼组织，核磁共振影 像反映的是有机组织图像，而医生往往需要考虑骨骼与有机组织的关系，因而需要利用数字图像处理 技术将两种图像适当地迭加起来，以便于医学分析。用数字图像处理的方法进行细胞个数统计是利用 数字图像的边缘提取与图像分割技术，自动完成细胞个数的统计，节省了人力并提高了效率。 3 机器视觉在机器人导航及视觉伺服系统中的应用 赋予机器人视觉是机器人研究的重点之一，其目的是要通过图像定位、图像理解、向机器人运动 控制系统反馈目标或自身的状态与位置信息。如摄像机被固定在云台上，一个机械手在一定范围内抓 取和移动工件，摄像机利用动态图像识别与跟踪算法，跟踪被移动工件，始终保持其处于视野的正中 位置。 4 机器视觉在图像监控、安防、交通管理中的应用 在闭路电视监控系统中，机器视觉技术被用于增强图像质量，捕捉突发事件，监控复杂场景，鉴 别身份，跟踪可疑目标等，能大幅度提高监控效率，减少危险事件发生的概率。在交通管理系统中， 机器视觉技术被用于车辆识别、调度，向交通管理与指挥系统提供相关信息。 5 机器视觉在卫星遥感中的应用 卫星遥感图像信息量大，数据存在多种干扰和误差处理和分析的工作量、难度都很大。机器视 觉技术被用于分析各种遥感图像，进行环境监测、地理测量，根据地形、地貌的图像和图形特征，对 地面目标进行自动识别、理解和分类等。 机器视觉技术的诞生和应用，极大地解放了人类劳动力，提高了生产自动化水平，改善了人类生 活现状，其应用前景极为广阔。目前在国外，机器视觉技术已广泛应用于生产、生活中，而我国正处 于起步阶段，急需广大科技工作者的共同努力，来迅速提高我国机器视觉技术的发展水平，为我国的 现代化建设做出自己的贡献。 卜2 3 工业机器视觉的特点 广义的机器视觉的概念与计算机视觉没有多大区别，泛指使用计算机和数字图像处理技术达到对客 观事物图像的识别、理解和控制。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图 像处理有着明显区别，其特点是： 1 工业机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、电光源照 明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。 这些技术在机器视觉中是并列关系，相互协调应用才能构成一个成功的工业机器视觉应用系统。 2 工业机器视觉更强调实用性，要求能够适应工业生产中恶劣的环境，要有合理的性价比，耍有通用 的丁业接口，能够由普通工人来操作，有较高的容错能力和安全性，不会破坏1 ：业产晶，必须有较 强的通用性和可移植性。 3 对工业机器视觉工程师来说，不仅要具有研究数学理论和编制计算机软件的能力，更需要的是光、 3 基于视觉的精密定位系统研究及成用 机、电一体化的综合能力。 4 业机器视觉更强调实时性，要求高速度平i i 高精度，因而计算机视觉和数字图像处理中的许多技术 目前还难以应t l | _ | 于机器视觉，它们的发展速度远远超过其在t 业生产中的实际应用速度。 卜3 基于视觉的精密定位系统研究 高精度空间定位与动态轨迹测量是机器视觉技术的一个重要应用领域。近年来，高精度空间定位 与轨迹跟踪技术在先进制造，医疗服务，科学研究等领域的需求日趋广泛。因此以c c d 摄像机为基 本传感器的视觉空间定位模式，如单目、双目、结构光等不同结构组成各种位置测量装置与检测方法， 一直是机器视觉研究的前沿课题。 国内外的众多研究学者开始对视觉定位系统进行深入的分析和研究，这门学科才得以更加充实、 丰满起来。用于移动机器人的视觉全局定位系统研究【”】，采用了一种快速信标搜索方法，该方法改变 了在全幅图像上扫描搜索信标的方式。高精度定位传感器及其在混联切削机器人中的应用l ”】，介绍了 一种简单的高精度定位传感器系统，改变了传统的回零定位系统，提高了定位精度和速度。基于立体 视觉的移动机器人自主导航定位系统阱】，描述了一种基于立体视觉的移动机器人自主导航定位系统。 该系统采用双耳立体视觉完成环境特征的3 d 信息提取，实时计算出机器人相对作业目标的位姿( 6 d ) 关系，导引移动机器人控制系统按目标导向进行运动。系统在相对位姿计算中采用旋动( s c r e w ) 理论， 将带约束的多变量函数的非线性优化问题转化为线性方程组的最小二乘问题，简化了计算复杂性。 基于计算机视觉的光学目标自动定位系统p q ，运用计算机视觉检测技术，提出了一种新的光学目 标自动定位方法。基于目标图像边界点检测，运用最小二乘拟合原理确定光学目标的几何中心，确定 光学目标几何中心与基准( 零位) 的偏差。运用计算机视觉定位技术开发的z y z 6 20p c b 自动定位 钻机，定位钻孔精度优于2 5 9 r n 。 基于分形特征的p c b 机器视觉定位9 ”，提出一种基于印刷电路板( p c b ) 兴趣区图像特性曲线分 形特征的定位新方法。由p c b 兴趣区图像生成一组可观测特征曲线，抽取曲线中最能反映图像转动角 度信息的曲线段为研究对象，从曲线的形成机理分析其分形特征，运用信号处理和随机统计理论处理 曲线，得到能反映图像转动角度的曲线分形维数，建立起了可观测特征曲线的分形维数和图像位姿转 动角度间的对应关系。 一种基于神经网络的视觉定位系统【3 ，提出了一种基于人工神经网络的多线阵相机系统标定与3 d 定位方法，并应用于基于多线阵相机构成的视觉空间定位系统。该视觉定位系统利用了线阵相机的快 速性与高分辨率的特点，非平行空间投影面相交定位的基本原理，实现了这种结构下快速、高精度空 间定位。利用人工神经网络的定位方法简化了多线阵视觉定位系统标定与定位计算的复杂性在定位 精度上达到了良好效果，为机器人位置反馈控制提供了有效的技术途径。 基于区域投影的微型足球机器人系统识别【3 9 1 。针对足球机器人这一多机器人系统中机器人小车和 球的视觉识别，开发了一种基于区域投影的识别方法。在足球机器人系统中，视觉识别子系统由c c d 摄像机、图像采集卡等硬件设备和视觉识别软件组成。视觉识别软件包括视频捕获和视觉识别两个部 分。首先对于由c c d 摄像机所捕获的图像进行宏观位置跟踪，即自上至下、自左至右地进行网格搜 索，获取目标物体( 机器人小车和小球) 内一点；然后从该点出发，利用区域投影，对目标物体精确 定位。得到小球和各机器人的中心位置及各机器人的方位。运行结果表明，此方法具有较高的识别精 度，能够很好地识别处理多个机器人粘连在一起的情况，同时识别速度较快，对于大小为8 0 0 x6 0 0 像素( 包括六个机器人小车) 的图像，采用p i i3 5 0 p c 识别速度达到每帧仅用时1 2 m s 。 微尺寸视觉精密检测系统设计【4 ，采用在改进的c a n n y 边缘的梯度图像上进行二次曲面拟合，获 取零件精确边缘( 轮廓) 的方法，实现了对其相关几何量进行精密测量；同时，还解决了自动对焦， 自动跟踪，数据自动“缝合”以及高精度和小视场之间的矛盾及光源等技术难题。既具备了非接触式 测量的优点，同时也有较高的性价比，是机器视觉技术在该领域中的一次成功应用。 4 河北q - 业大学硕士学位论文 应用需求是机器视觉系统研究的巨 ；：= 动力。随着各行荐业对于机器视觉系统的迫切要求，机器视 觉系统的市场正在形成和发展。随着机器视觉技术自身的成熟和发展，机器视觉技术必将在现代和未 来制造企业中得到越来越广泛的应川。 卜4 选题的背景、意义及本论文的主要研究内容 1 - 4 - 1 选题的背景和意义 雷达在国防、气象、交通等领域有着至关重要的作用，而雷达电子调速系统又是雷达的重要组成 部分。因此，雷达电子调速系统的质量直接影响着雷达的性能。 雷达电子调速系统磁场分布的传统检测方式主要为手动。首先人工将探头根据肉眼观察移动到通 孔轴心处，然后手动驱动丝杠按检测间隔移动探头进行测量。检测过程中由操作人员读取检测数据然 后人工记录，需要对数据进行分析时还要将记录数据输入到计算机中。人工检测不仅工作量大、效率 低，而且精度很难保证，直接影响着雷达电子调速系统的质量。针对雷达电子调速系统传统检测方式 的严重缺陷，本系统作为8 6 3 计划项目“l 波段连续波多注宽带调速管”( 2 0 0 2 a a 8 7 2 0 2 0 ) 子项一“基 于视觉定位的磁场分布检测系统开发”，主要目的就是实现高定位精度的磁场分布自动检测，保证检测 数据准确可靠，从而保证雷达电子调速系统的质量。 机器视觉系统虽然正在广泛地应用于视觉检测、机器人的视觉引导和自动化装配领域中，但在机 器人视觉领域中，大部分研究仍建立在解析式描述的基础上，并以满足某些特定任务为目标，因而在 实际中的应用十分有限，视觉识别定位精度也不是很高，尤其是用常规摄像机实现较高定位精度其难 度更为突出。因此，基于视觉的精密定位系统研究及应用其具体实施难度较大，是一个十分具有挑战 性的课题。视觉定位对机器视觉的发展具有非常重要的作用，是机器视觉的一项重要研究内容，对工 业、农业、医疗等行业自动化程度的提高有较高的实用价值。 1 - 4 - 2 本文的主要研究内容 1 介绍了机器视觉的发展现状及其应用，并进一步讨论了基于视觉的精密定位系统在国内外的研究 和应用，阐述了本文的研究背景和意义。 2 介绍了视觉定位系统的工作原理，并分析了视觉定位的常用方法。根据项目的具体要求全面分析 了并论证了视觉定位磁场分布检测系统的具体指标及可行性。提出了视觉定位系统的构建方案， 并针对项目实施的具体要求对视觉定位系统主要硬件进行了选型设计。 3 对计算机视觉中常见的摄像机标定方法进行了分析、比较，并总结了各种标定方法的优缺点。根 据本系统中摄像机与工件之闻距离固定这一特点，采用一种非线性标定方法对系统进行标定，在 一定程度上减少了摄像机畸变的影响，提高了检测精度。对非线性标定算法的原理进行了详细论 证，并对其校正精度进行测定实验。 4 针对视觉定位系统的实际应用，首先介绍了从硬件上改善图像质量的自动曝光方法，随后又用大 量篇幅对图像预处理方法进行了详细的功能介绍及比较。通过合理有效的图像预处理方法，实现 了目标图像由图像背景的良好分离效果，为之后的圆心定位打下了良好基础。 根据视觉定位系统在实际应用中存在的问题，本文提出了一种边界点选组的圆拟合方法，能 够有效的降低由于照明阴影对检测精度带来的影响，大大提高了定位精度。在论述图像处理实现 方法的同时，还详细介绍了视觉定位软件模块的具体实现及功能界面。 5 从软、硬件两方面详细介绍了视觉定位磁场分布检测系统c c y - - 5 5 0 的集成方法，并对硬件结构 及软件功能模块做了简单介绍。利用此系统结合实际应用对最终定位精度进行了大量实验，通过 详细分析误差原因找出相应的解决方法，用常规摄像机实现了视觉定能系统的精度要求，从而最 终保证了视觉定位磁场分布检测系统在实际磁场测量二r 作中的成功应用。 6 对全文丁作进行总结，并对下一步的研究工作进行展望。 5 基十视觉的精密定位系统研究成心用 卜5 本章小结 介绍了国内外机器视觉的发展现状及其应用，并进一步讨论了基于视觉的精密定位系统在各个领 域的研究和应用晴况。阐述了本文的研究背景和意义，对论文的主要研究内容进行了简单介绍。 6 j 时北 业丈学硕 j 学位论父 第二章精密视觉定位原理及方法的研究 2 1 引言 计算机视觉是一门新兴的发展迅速的学科，2 0 世纪8 0 年代以来，计算机视觉的研究已经历了从 实验室走向实际应用的发展阶段。从简单的二值图像处理到高分辨率多灰度的图像处理，从一般的二 维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。而计算机工业水平的飞速提 高以及人工智能、并行处理和神经元网络等学科的发展，更促进了机嚣人视觉系统的实用化和涉足许 多复杂视觉过程的研究。目前机器人视觉系统正在广泛地应用于视觉检测、机器人的视觉引导和自动 化装配领域中”、”1 “。通过与其它类型传感器的相互协调配合，利用视觉系统对装配工件的识别定位， 使机器人能够实现多种类型非接触测量任务【4 q 。 2 2 视觉定位系统的工作原理 现实的客观世界是一个三维空间，经摄像机成像系统变为丢失了第三维深( 高) 度信息的二维图 像。要实现三维空间的重构，就必须利用计算机视觉系统。目标定位技术可以大致分为两类：一类是 基于计算机视觉的定位技术，另一种是基于非视觉传感器( 如超声、激光) 的定位技术。基于视觉的 目标定位技术可以理解为以下三种情况：机器人的自定位、实际抓取目标的定位、以及机械手和目标 之间的相对定位f 4 7 1 。实际上也可以把定位方法分为绝对定位和相对定位，如前两种就是绝对定位，后 一种为相对定位。 视觉定位方法是近年来发展起来的一种先进的定位方法，利用摄像机摄取包含信标的图像信息， 经图像处理提取并识别信标，再根据信标的先验知识，计算出传感器在环境中的位姿。当传感器与载 体的位置关系已知时，则载体在这个环境中的位置和方向就可以同时计算出来。如果这种位姿数据可 以实时在线计算，就满足了移动状态自主定位。自主定位系统包括相对定位系统和绝对定位系统，相 对定位系统如里程计和惯导系统，是通过测量机器相对于初始位置的距离和方向来确定机器的当前位 置，其特点是长时间累计定位误差大，不适于精确定位。绝对定位系统则通过测量移动机器的绝对位 置来实现定位，定位精度较高，可以用来修正相对定位系统的误差，最典型的绝对定位方法是信标定 位方法：即在机器的工作空间中设置一定的己知位置的信标，通过特定的车载传感器测出传感器与信 标问的位置关系来实现机器定位。视觉定位系统主要由图像采集卡、摄像机和视觉系统软件及运动执 行机构组成。视觉定位系统主耍用于在物体抓取、放置等操作时的物体识别与定位。在接收到机器人 或外界传感器发出的物体识别、定位请求后，系统通过图像采集卡和摄像机获取物体图像再由视觉系 统软件对获取的物体图像进行处理以获取目标特征位置信息，并由此指导运动执行机构对物体进行定 位以进行其它相关操作1 4 ”。视觉定位系统工作流程如图2 1 所示： 获取物体图像后，视觉定位系统首先要用大量的图像处理运算对图像中的目标进行分析处理。这 一过程在视觉定位计算的数据处理中占有相当大的比重，其结果对系统的定位精度具有决定性的影响。 视觉系统将识别的目标图像从原始图像中分离出来，以便于进一步获取目标图像的具体信息。 视觉定位过程主要分为二个步骤。首先是图像处理，其难点在于如何保证定位系统设计功能实现 的前提下具有实时性和鲁棒性。然后，根据图像处理获取的位置信息对目标进行定位。只有在获取精 确位置信息的基础上，才能够使定位精保得到证度。因此，视觉定位图像处理方法是实现快速准确视 觉定位计算的关键。 7 捧于观话的精密定位系统研究及应刚 图像采集 0 图像处理 ， 位置信息获取 0 决策和控制l 图2 1 视觉定位系统流程 f i g u r e 2 1t h ef l o wo f v i s i o np o s i t i o n i n gs y s t e m 2 - 3 视觉定位系统的具体要求及相关分析 2 - 3 - 1 视觉定位磁场分布检测系统的具体要求 雷达电子调速系统( 工件) 有多种型号，且其结构形式各不相同。本文以1 9 孔工件为例，其轴 心附近分布有1 9 个直径7 m m 、长5 0 0 m m 的通孔，分布在4 0 m m x 4 0 m m 的范围内。工件上表面外观 如图2 2 所示。本项目的最终要求是用探头沿通孔轴心方向检测工件的磁场分布情况。本视觉定位系 统的主要任务是精确获取工件上各检测孔的轴心位置。由此控制直角坐标机器人拖动探头对各检测孔 进行磁场分布检测。 图2 2 工件上表面 f i g 2 2t h eu p s i d es u r f a c eo f w o r kp i e c e 用户根据磁场分布检测的具体实施情况提出如下要求： 1 静态要求 ( 1 ) 测量装置与磁系统的兼容性； ( 2 ) 工作台需承重5 0 0 k g 而不影响测量的精确性： ( 3 ) 工作台水平方向大小约5 0 0 r a m ； ( 4 ) 仪器保存条件，工作环境； ( 5 ) 整个测量装置便于移动且易于校准： 2 动作要求 ( 1 ) 测量臂在垂直方向上需有5 0 0 m m 移动范嗣； ( 2 ) 测量臂在水平方向上( x ，y ) 需有2 5 0 m m 的径向移动范围； ( 3 ) 测量臂动作手动与自动的切换； ( 4 ) 工作台的微调( 倾斜度士1 ) ； 8 河北t 业大学颤【j 学位论文 ( 5 ) 难直方向i 二移动需有力度过犬保护措施 3 精度要求 ( 1 ) 直线移动的坐标定位精度士o0 5 m m ： ( 2 ) 角向移动的精度小了二1 ； 4 数据处理要求 ( 1 ) 测量中屏幕显示探头位置和磁感应强度 ( 2 ) 测景中自动记录数据，有输出接口： ( 3 ) 测量结束依数据自动画出曲线； 2 3 2 系统发计的重点和难点 由于测试对象的结构形式各不相同，这就要求视觉定位磁场分布检测系统有较大的柔性，能够满 足系统工作范围内多种型号工件的测试要求。 视觉定位磁场分布检测系统中对位置精度要求较高，要求直线移动的坐标定位精度为士o 0 5 m m ， 角向移动的精度小