CN103207994B - 一种基于多投影面关键形态特征的运动物件类型识别方法 - Google Patents

Abstract

一种基于多投影面关键形态特征的运动物件类型识别方法，涉及制造自动化技术领域，属于物件实时监控及信息采集。本发明首先根据不同类型物件的三维模型，分别建立其多个相互关联投影面的关键形态特征；在运动物件通过时从多个相互关联的投影面采集该运动物件形态信息；根据不同物件在多个相互关联投影面的关键形态特征的差异来进行运动物件类型的自动识别。本发明是一种能够有效解决多种不同类型的运动物件混合运行通过时的自动识别困难问题的通用方法。

Description

一种基于多投影面关键形态特征的运动物件类型识别方法

技术领域：

本发明涉及制造自动化技术领域，属于物件实时监控及信息采集；具体涉及一种基于多投影面关键形态特征的运动物件形态码识别方法。

技术背景：

目前对于运动物件的识别方法有很多，应用最为广泛的有条码（包括一维条码、二维码、金属条码等）和电子标签（RFID）；另外，图像采集与模式识别的方法也有较多应用。

条码和电子标签能够解决大多数物件在运动过程中的识别问题，例如CN201828928U公开了“一种基于二维码技术身份识别***的油田被管理物件”，该方法将被管理物件内植入二维码载体用于物件识别；又如EP1271378-A公开的采用条码方式用于识别食品的制造数据和价格标签。采用以上识别方法时，首先应该解决的是条码或电子标签的安装问题，在不同应用场合下其安装的位置和方式是有区别的，从安装的用度上看，条码和电子标签的识别方法不具备通用性；而在某些工业过程中，物件需要以运动的方式经过喷涂处理或热加工处理，此时采用条码或电子标签的识别方法将会失效，因为条码的图形经喷涂后不能保证还能被正确识别，电子标签也不能保证在200摄氏度以上的高温下保持完好。因此，现有的运动物件的识别方法还无法满足喷涂、高温等等特殊应用场合，需要一种更加通用的识别方法。

图像采集和模式识别的方法是一种较为常用识别方法，例如CN1529276公开“一种机动车牌号自动识别装置及识别方法”以及CN1506246公开的“一种汽车牌照自动识别***”，均是通过电子图像采集和图像处理的方式进行运行物体的识别。

但是，现有的图像采集和模式识别的方法主要应用于文字识别和图像内容的识别，图像质量（包括光线）对识别过程的影响较大，图像模式识别的算法一般较为复杂，在运动物件识别过程中，识别的错误率还不能完全消除。

发明内容：

针对现有技术存在的上述不足，本发明的目的是解决多种不同类型的运动物件，在混合流过某工序时的自动识别困难的问题，特别适用于喷涂、高温等特殊应用场合需要，提出一种较为通用的基于多投影面关键形态特征的运动物件类型识别方法。

实现上述目的，本发明采用如下技术方案：一种基于多投影面关键形态特征的运动物件类型识别方法，其特征在于，根据不同物件在多个相互关联投影面的关键形态特征的差异来进行物件类型的自动识别，其过程如下：

步骤1：针对不同物件分别建立多个相互关联投影面的关键形态特征。

通过物件的三维模型，建立其不同投影面的形态信息及投影面之间的空间几何约束关系（主要是投影面之间具有的角度和方位的关联关系），并在此基础上选取关键形态特征。物件不同投影面的形态信息主要是不同角度下物件的视图轮廓信息，投影面和关键形态特征的选取主要是为了对多种物件的类型进行区别，所以，需要对所有待识别物件的形态进行分析，找出其中能够区分所有待识别物件类型的投影面及其上面的关键形态特征。为了提高识别的准确率，应该尽可能地多地选择投影面来建立物件的形态信息。

步骤2：运动物件关键形态特征的提取。

1、在所选取的投影面上进行运动物件形态特征的提取。

在物件通过路径的侧面加装物件形态信息采集装置，在物件通过的过程中从不同的角度进行物件形态信息采集。为了提高识别的准确率，应该尽可能地多选择投影面来建立物件的形态信息，而且在不同的应用场合下，采集装置应该可以根据需要动态调节投影面的角度，从而增强其通用性。

2、对所提取的形态特征信息进行分析和计算，得到运动物件关键形态特征。

步骤3：物件的识别。

将步骤2中采集到的物件形态信息与步骤1中建立的关键形态特征进行匹配，通过不同物件关键形态特征的差异来判定该物件的类型。该识别过程是一个综合判定过程，其中，投影面之间的角度的关联关系应该作为匹配过程中的一个关键判定依据。

相比现有技术，本发明具有如下有益效果：

1、本发明适用于多种物件混合流过某工序的过程中（如在混合装配过程中传送带上通过的不同的物件的识别），特别是在工序过程对物件的形态影响较大时，实现对物件类型的自动准确识别。

2、本发明根据不同类型的物件在不同投影面上的关键形态特征的差异来实现运动物件的自动识别，利用这些关键形态特征形成了相互验证和综合判定，大幅提高了识别率，大幅提高了纠错能力。

3、本发明充分利用了物件的关键形态特征在某时刻不受某些特殊工况（如喷涂、高温、高压等）影响的特点，实现了物件的正确识别。

4、本发明步骤2中采集的投影面数一般小于步骤1中选取的投影面数，随着步骤1中选取的投影面数量的增加，实际判定过程中物件形态的误差就会减小，再加上是多投影面关键形态特征的综合判定。所以，在一定的条件下，物件可以任何姿态流过信息采集装置，本发明进一步增强了该方法的通用性。

附图说明：

图1是本发明实施例中物件的多投影面形态特征信息示例图；

图2是本发明基于多投影面关键形态特征的运动物件类型识别方法的识别流程图；

图3是图1中物件的关键形态特征库；

图4是本发明实施例中红外线采集装置部署示意图。

具体实施方式：

下面结合附图和具体实施方式对本发明作进一步详细说明。

本实施案例中假设所有物件均按图1所示的上下方向摆放（本发明也适用于随意翻转方向的情况，但需要考虑更多的空间形态）通过传送带，选择对物件的侧面投影形态进行类型识别和判定。

实施例中物件类型识别的流程见图2所示，具体步骤如下：

第一步：针对不同物件的几何模型分别得到其多个相互关联投影面的形态特征，并选取关键形态特征。其中，相互关联投影面和关键形态特征需要根据待识别物件的形态特征进行选取，具有动态性，其原则为：将这些相互关联投影面上的关键形态特征联合在一起，能够对物件类型进行唯一识别。

下面对图1中物件的投影面和关键形态特征的选取进行说明：

（1）选取投影面：根据图1中物件的形态特征，按物件的俯视图的顺时针旋转，每旋转一个角度a即可得到一个侧面投影形态，如图1所示，图中选择的角度a为30度（这个角度越小，由于运动物件的摆放相位不同而引起的误差就会越小，故识别率将越高）。

（2）选取相互关联投影面：从图1中可以看出，每隔60度的形态特征具有明显差异，即可对物件的类型进行区分，故将识别过程中的投影面之间的夹角设定为60度。

（3）选取关键形态特征：由于图1中物件在不同投影面的水平高度上的截面长度存在差异，故选取距顶高1/3和2/3处的水平截面长度的比值与物件的高度作为关键形态特征。（物件运动的速度v的不同会对采集到的截面的长度产生影响，故采用不同投影面上水平截面长度的比值来进行消除；此处也可以选取距顶高1/4和3/4处的水平截面长度的比值与物件的高度作为关键形态特征。）

（4）将多种类型的物件的关键形态特征及投影面之间的相互关联关系建成关键形态特征库，如图3所示，其中关键形态特征一为距顶1/3和2/3处截面长度的比值，关键形态特征二为物件高度。

第二步：运动物件关键形态特征的提取。

（1）运动物件形态特征的采集。运动物件通过时，在其侧面安装采集装置来实现运动物件关键形态特征的采集。

本实施案例中采用红外线感应装置来采集物件投影面的形态，如图3所示，其中，两组红外线感应装置AA’与BB’之间的夹角为60度。在物件的运动通过AA’与BB’时，红外线感应装置可以采集到物件的轮廓信息（每组红外线感应装置的精度可以根据待识别物件的需要来进行选取）。

（2）关键形态特征的提取。

根据第一步中（3）所选取的关键形态特征，通过数学的方法对以上轮廓信息进行分析和计算，得到AA’与BB’处两个投影面的关键形态特征值。

第三步：物件类型的识别。

将第一步中的关键形态特征和第二步中提取的物件关键形态特征进行比对，将AA’与BB’处的关键形态特征值在关键形态特征库进行匹配，即可判定该物件的类型。

最后的说明：

（1）为了增加识别率，选取的角度a应尽可能地小；而在具体的匹配过程中，由于运动物件的摆放相位可能会使计算出来的关键形态特征值与关键形态特征库中的值有一定的偏差，可以采用误差消除机制来消除。

（2）以上实施案例仅用以说明本发明的技术方案而非限制，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于多投影面关键形态特征的运动物件类型识别方法，其特征在于，具体步骤如下：

步骤1：针对不同物件的几何模型分别得到其多个相互关联投影面的形态特征，并选取关键形态特征；其中，相互关联投影面和关键形态特征需要根据待识别物件的形态特征进行选取，具有动态性，其原则为：将这些相互关联投影面上的关键形态特征联合在一起，能够对物件类型进行唯一识别；

其中，物件的投影面和关键形态特征的选取：

（1）选取投影面：物件的形态特征按物件的俯视图的顺时针旋转，每旋转一个角度α即可得到一个侧面投影形态，选择的角度α为30度；

（2）选取相互关联投影面：将识别过程中的投影面之间的夹角设定为60度；

（3）选取关键形态特征：选取距顶高1/3和2/3处的水平截面长度的比值与物件的高度作为关键形态特征；

（4）将多种类型的物件的关键形态特征及投影面之间的相互关联关系建成关键形态特征库，其中关键形态特征一为距顶1/3和2/3处截面长度的比值，关键形态特征二为物件高度；

步骤2：运动物件关键形态特征的提取：

（1）运动物件形态特征的采集：运动物件通过时，在其侧面安装采集装置来实现运动物件关键形态特征的采集；

采用红外线感应装置来采集物件投影面的形态，其中，两组红外线感应装置AA’与BB’之间的夹角为60度；在物件的运动通过AA’与BB’时，红外线感应装置采集到物件的轮廓信息；

（2）关键形态特征的提取：

根据步骤1中（3）所选取的关键形态特征，通过数学的方法对以上轮廓信息进行分析和计算，得到AA’与BB’处两个投影面的关键形态特征值；

步骤3：物件类型的识别：

将步骤1中的关键形态特征和步骤2中提取的物件关键形态特征进行比对，将AA’与BB’处的关键形态特征值在关键形态特征库进行匹配，即可判定该物件的类型。