CN105457908B - 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** - Google Patents
基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** Download PDFInfo
- Publication number
- CN105457908B CN105457908B CN201510771640.7A CN201510771640A CN105457908B CN 105457908 B CN105457908 B CN 105457908B CN 201510771640 A CN201510771640 A CN 201510771640A CN 105457908 B CN105457908 B CN 105457908B
- Authority
- CN
- China
- Prior art keywords
- row
- coordinate
- glass panel
- image
- gray level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 239000011521 glass Substances 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000010521 absorption reaction Methods 0.000 claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 8
- 238000003708 edge detection Methods 0.000 abstract description 3
- 230000004807 localization Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000001179 sorption measurement Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明适用于玻璃面板定位，提供了一种基于单目CCD小尺寸玻璃面板的分拣快速定位方法，步骤包括：A，利用单目CCD采集放置有玻璃面板的卡槽图像，将采集到的图像进行灰度转换然后进行预处理得到灰度图像；B，计算灰度图像的行像素灰度均值，确定玻璃面板所在行坐标；C，对灰度图像进行二值化分割，根据玻璃面板提取感兴趣区域边缘坐标；D，根据行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，得到吸附位置，控制机械手达到吸附位置进行吸附。本发明基于灰度转换和边缘检测，能够迅速找到视野内位于卡槽的每块玻璃面板的中心位置，同时结合相机视野正中心位置，可以快速寻找到当前需要抓取的玻璃面板，实现小尺寸面板的分拣快速定位。
Description
技术领域
本发明属于图像定位领域，尤其涉及一种基于单目CCD的小尺寸玻璃面板的分拣快速定位方法及***。
背景技术
目前，定位方法大致可分为机械定位和机器视觉定位两大类，机械定位比较简单，但是自适应性不高，尤其是对于尺寸大小不一的玻璃面板，而机器视觉方法定位精度高，速度快，自适应高，而且非接触性，能满足实时检测，因而应用越来越广。根据CCD数量，机器视觉定位方法可分为单目视觉定位和多目视觉定位方法；根据目标物空间维数，又可分为二维定位方法和三维空间定位方法。多目视觉定位方法常用于比较复杂的空间多维定位。但是目前在使用单目CCD进行分拣快速定位时，机械手的机械定位自适应性不高，容易接触玻璃面板造成面板划伤。
发明内容
本发明所要解决的技术问题在于提供一种基于单目CCD的小尺寸玻璃面板的分拣快速定位方法及***，旨在使用单目CCD进行分拣快速定位时，机械手的机械定位自适应性不高，容易接触玻璃面板造成面板划伤的问题。
本发明是这样实现的，一种基于单目CCD的小尺寸玻璃面板的分拣快速定位方法，步骤包括：
步骤A，利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
步骤B，计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标；
步骤C，对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
步骤D，根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
进一步地，步骤A具体包括：
步骤A1，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像；
步骤A2，对步骤A1采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪。
进一步地，步骤B具体包括：
步骤B1，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
步骤B2，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
步骤B3，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。
进一步地，步骤B3具体包括：
步骤B31，计算所述灰度图像的行像素灰度均值；
以RowAverage表示所述灰度图像的行像素灰度均值，则：
步骤B32，计算每一行像素的灰度差值；
以Delta(i)表示第i行像素的灰度差值，则该行像素偏离所述行像素灰度均值的大小为：Delta(i)＝RowAve(i)-RowAverage；
步骤B33，遍历每一行像素灰度均值，得到最大值，以所述最大值进行阈值设置；
以Delta表示所述阈值，MaxRowAve表示所述最大值，则：
Delta＝(MaxRowAve-RowAverage)*0.8；
步骤B34，判断所述灰度差值是否满足所述阈值，根据判断结果确定灰度极大值，从而确定所述玻璃面板所在行坐标；
若Delta＜Delta(i)，则确定第i行为灰度极大值所在的行，即所述玻璃面板所在的行，并获得所述玻璃面板所在行坐标。
进一步地，所述步骤C具体包括：
步骤C1，对所述灰度图像进行二值化分割处理，获取灰度二值化图像；
步骤C2，对所述灰度二值化图像进行BLOB分析，得到感兴趣区域图像；
步骤C3，对所述感兴趣区域图像进行边缘提取，根据提取的边缘得到感兴趣区域边缘坐标；
以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
对第i行从左开始遍历所述感兴趣区域图像，当满足ColGrayVa1(i)＝255时跳出循环，记录该点坐标并从右开始遍历；当满足ColGrayVa2(i)＝255，记录该点坐标，然后对第i+1从左开始遍历所述感兴趣区域图像。
进一步地，步骤D具体包括：
步骤D1，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
步骤D2，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter(i)-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
步骤D3，控制机械手到达所述吸附位置进行吸附。
本发明还提供了一种基于单目CCD的小尺寸玻璃面板的分拣快速定位***，包括：
采集处理单元，用于利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
计算单元，用于计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标；
边缘提取单元，用于对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
定位吸附单元，用于根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
进一步地，所述采集处理单元具体用于：
首先，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像；
最后，对采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪。
进一步地，所述计算单元具体用于：
首先，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
其次，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
最后，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。
进一步地，定位吸附单元具体用于：
首先，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
其次，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter(i)-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
最后，控制机械手到达所述吸附位置进行吸附。
本发明与现有技术相比，有益效果在于：本发明建立在单目视觉定位和二维定位方法的基础上，基于灰度转换和边缘检测，能够迅速找到视野内位于卡槽的每块玻璃面板的中心位置，同时结合相机视野正中心位置，可以快速寻找到当前需要抓取的玻璃面板，实现小尺寸面板的分拣快速定位。进一步地，本发明利用机器视觉，避免机械定位因接触玻璃面板而造成的二次划伤，同时能够根据卡槽误差进行调整，为玻璃面板检测实现自动化，快速分拣，本发明能自适应多种面板型号。
附图说明
图1是本发明实施例提供的一种基于单目CCD小尺寸玻璃面板的分拣快速定位方法的流程图。
图2是本发明实施例提供的进料料架的灰度示意图。
图3是本发明实施例提供的进料料架的行灰度值示意图。
图4是本发明实施例提供的感兴趣区域边缘示意图。
图5是本发明实施例提供的面板吸附位置示意图。
图6是本发明实施例提供的一种基于单目CCD小尺寸玻璃面板的分拣快速定位***的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
基于单目CCD小尺寸玻璃面板分拣快速定位方法是建立在单目视觉定位和二维定位方法的基础上，基于灰度转换和边缘检测，找到视野内位于卡槽的每块玻璃面板的中心位置，并结合相机视野正中心位置寻找当前抓取的玻璃面板。其整体思路是对机械手上相机抓取的灰度图像进行行投影，计算行灰度均值，根据极大值提取玻璃面板所在行，对原图进行二值化，提取感兴趣区域，对该区域进行边缘提取，进而得到边缘坐标，结合面板所在行坐标，得到面板所在的行和列，结合相机视野和坐标，得到当前分拣面板所在卡槽中心坐标，进行分拣。
基于上述理论，本发明提出了如图1所示的一种基于单目CCD小尺寸玻璃面板的分拣快速定位方法，步骤包括：
S1，利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
S2，计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标。在本步骤中，将初始的灰度图像的二维图像信息转化为一维信息。同时，本步骤虽然获得了面板所在的行，但是对应的卡槽不一定位于图片正中心，不能通过图像的中心来确定，因此还需要获取卡槽左右两个端点来进一步获取面板行所对应的卡槽正中心，因此还需要进行步骤S3。
S3，对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
S4，根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
具体的，步骤S1具体包括：
S11，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像。本步骤中，采集的图像如图2所示。
S12，对步骤S11采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪等。
具体的，步骤S2具体包括：
S21，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
S22，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
S23，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。
具体的，上述步骤S23具体包括：
S231，计算所述灰度图像的行像素灰度均值；
以RowAverage表示所述灰度图像的行像素灰度均值，则：
S232，计算每一行像素的灰度差值；
以Delta(i)表示第i行像素的灰度差值，则该行像素偏离所述行像素灰度均值的大小为：Delta(i)＝RowAve(i)-RowAverage；
S233，遍历每一行像素灰度均值，得到最大值，以所述最大值进行阈值设置；
以Delta表示所述阈值，MaxRowAve表示所述最大值，则：
Delta＝(MaxRowAve-RowAverage)*0.8。本步骤中的0.8是根据实验数据获得，针对不同卡槽，可相应做改变。
S234，判断所述灰度差值是否满足所述阈值，根据判断结果确定灰度极大值，从而确定所述玻璃面板所在行坐标；
若Delta＜Delta(i)，则确定第i行为灰度极大值所在的行，即所述玻璃面板所在的行，并获得所述玻璃面板所在行坐标。
具体地，上述步骤S3具体包括：
S31，对所述灰度图像进行二值化分割处理，获取灰度二值化图像；
S32，对所述灰度二值化图像进行BLOB分析，得到感兴趣区域图像；
S33，对所述感兴趣区域图像进行边缘提取，根据提取的边缘得到感兴趣区域边缘坐标；
以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
对第i行从左开始遍历所述感兴趣区域图像，当满足ColGrayVa1(i)＝255时跳出循环，记录该点坐标并从右开始遍历；当满足ColGrayVa2(i)＝255，记录该点坐标，然后对第i+1从左开始遍历所述感兴趣区域图像。在本步骤中，在遍历第i行结束后，开始第i+1行，重复上述遍历获得左右边缘端点坐标，直至遍历完感兴趣区域图像。
具体地，步骤S4进一步包括：
S41，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
S42，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter(i)-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
S43，控制机械手到达所述玻璃面板的吸附位置进行吸附。
本发明中，提取卡槽两个端点位置，进而得到卡槽中心位置，结合相机所在坐标和视野，得到当前吸附玻璃面板中心坐标，驱动机械手到达该位置吸附，完成定位。
本发明还提供了如图6所示的一种基于单目CCD小尺寸玻璃面板的分拣快速定位***，包括：
采集处理单元1，用于利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
计算单元2，用于计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标；
边缘提取单元3，用于对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
定位吸附单元4，用于根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
进一步地，采集处理单元1具体用于：
首先，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像；
最后，对采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪等。
进一步地，计算单元2具体用于：
首先，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
其次，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
最后，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。其中，在本实施过程中还进一部包括，
计算所述灰度图像的行像素灰度均值；
以RowAverage表示所述灰度图像的行像素灰度均值，则：
计算每一行像素的灰度差值；
以Delta(i)表示第i行像素的灰度差值，则该行像素偏离所述行像素灰度均值的大小为：Delta(i)＝RowAve(i)-RowAverage；
遍历每一行像素灰度均值，得到最大值，以所述最大值进行阈值设置；
以Delta表示所述阈值，MaxRowAve表示所述最大值，则：
Delta＝(MaxRowAve-RowAverage)*0.8；
判断所述灰度差值是否满足所述阈值，根据判断结果确定灰度极大值，从而确定玻璃面板所在行坐标；
若Delta＜Delta(i)，则确定第i行为灰度极大值所在的行，即玻璃面板所在的行，并获得玻璃面板所在行坐标。
进一步地，边缘提取单元3具体用于：
首先，对所述灰度图像进行二值化分割处理，获取灰度二值化图像；
然后，对所述灰度二值化图像进行BLOB分析，得到感兴趣区域图像；
最后，对所述感兴趣区域图像进行边缘提取，根据提取的边缘得到感兴趣区域边缘坐标；
以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
对第i行从左开始遍历所述感兴趣区域图像，当满足ColGrayVa1(i)＝255时跳出循环，记录该点坐标并从右开始遍历；当满足ColGrayVa2(i)＝255，记录该点坐标，然后对第i+1从左开始遍历所述感兴趣区域图像。
进一步地，定位吸附单元具体用于：
首先，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心，并得到其坐标；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
其次，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter(i)-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
最后，控制机械手到达所述吸附位置进行吸附。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于单目CCD的小尺寸玻璃面板的分拣快速定位方法，其特征在于，所述分拣快速定位方法步骤包括：
步骤A，利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
步骤B，计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标；
步骤C，对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
步骤D，根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
2.如权利要求1所述的分拣快速定位方法，其特征在于，步骤A具体包括：
步骤A1，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像；
步骤A2，对步骤A1采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪。
3.如权利要求1所述的分拣快速定位方法，其特征在于，步骤B具体包括：
步骤B1，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
步骤B2，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
步骤B3，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。
4.如权利要求3所述的分拣快速定位方法，其特征在于，步骤B3具体包括：
步骤B31，计算所述灰度图像的行像素灰度均值；
以RowAverage表示所述灰度图像的行像素灰度均值，则：
<mrow>
<mi>R</mi>
<mi>o</mi>
<mi>w</mi>
<mi>A</mi>
<mi>v</mi>
<mi>e</mi>
<mi>r</mi>
<mi>a</mi>
<mi>g</mi>
<mi>e</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mn>0</mn>
<mi>r</mi>
</msubsup>
<mi>R</mi>
<mi>o</mi>
<mi>w</mi>
<mi>A</mi>
<mi>v</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>r</mi>
<mo>;</mo>
</mrow>
步骤B32，计算每一行像素的灰度差值；
以Delta(i)表示第i行像素的灰度差值，则该行像素偏离所述行像素灰度均值的大小为：Delta(i)＝RowAve(i)-RowAverage；
步骤B33，遍历每一行像素灰度均值，得到最大值，以所述最大值进行阈值设置；
以Delta表示所述阈值，MaxRowAve表示所述最大值，则：
Delta＝(MaxRowAve-RowAverage)*0.8；
步骤B34，判断所述灰度差值是否满足所述阈值，根据判断结果确定灰度极大值，从而确定所述玻璃面板所在行坐标；
若Delta＜Delta(i)，则确定第i行为灰度极大值所在的行，即所述玻璃面板所在的行，并获得所述玻璃面板所在行坐标。
5.如权利要求1所述的分拣快速定位方法，其特征在于，所述步骤C具体包括：
步骤C1，对所述灰度图像进行二值化分割处理，获取灰度二值化图像；
步骤C2，对所述灰度二值化图像进行BLOB分析，得到感兴趣区域图像；
步骤C3，对所述感兴趣区域图像进行边缘提取，根据提取的边缘得到感兴趣区域边缘坐标；
以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，则：
对第i行从左开始遍历所述感兴趣区域图像，当满足ColGrayVa1(i)＝255时跳出循环，记录该点坐标并从右开始遍历；当满足ColGrayVa2(i)＝255，记录该点坐标，然后对第i+1从左开始遍历所述感兴趣区域图像。
6.如权利要求1所述的分拣快速定位方法，其特征在于，步骤D具体包括：
步骤D1，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心，并得到其坐标；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，RowCenter(i)＝i表示第i行卡槽中心的行坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
步骤D2，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter(i)-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
步骤D3，控制机械手到达所述吸附位置进行吸附。
7.一种基于单目CCD的小尺寸玻璃面板的分拣快速定位***，其特征在于，所述分拣快速定位***包括：
采集处理单元，用于利用单目CCD采集放置有玻璃面板的卡槽的图像，并将采集到的图像进行灰度转换，然后将灰度转换得到的图像进行预处理得到灰度图像；
计算单元，用于计算所述灰度图像的行像素灰度均值，然后根据所述行灰度均值确定所述玻璃面板所在行坐标；
边缘提取单元，用于对所述灰度图像进行二值化分割，根据所述玻璃面板提取感兴趣区域边缘坐标；
定位吸附单元，用于根据所述行坐标和所述感兴趣区域边缘坐标确定卡槽中心坐标，以所述卡槽中心坐标作为所述玻璃面板的吸附位置，然后控制机械手达到所述玻璃面板的吸附位置进行吸附。
8.如权利要求7所述的分拣快速定位***，其特征在于，所述采集处理单元具体用于：
首先，控制机械手移动至料架卡槽上方，并控制固定于所述机械手上的单目CCD相机采集放置有玻璃面板的卡槽的图像；
最后，对采集的图像进行灰度转换，然后进行预处理后得到灰度图像；所述预处理包括滤波、去噪。
9.如权利要求7所述的分拣快速定位***，其特征在于，所述计算单元具体用于：
首先，计算所述灰度图像的每一行像素的灰度值的总和；
以I(i，j)表示所述灰度图像第i行第j列，r表示所述灰度图像的高，c表示所述灰度图像的宽，Row(i)表示所述灰度图像第i行像素的灰度值的总和，则:其中0≤i≤r，0≤j≤c；
其次，根据每一行像素的灰度值的总和，计算每一行像素灰度均值；
以RowAve(i)表示第i行像素灰度值均值，则：
RowAve(i)＝Row(i)/c；
最后，根据每一行像素灰度均值寻找行像素灰度极大值，以该行像素灰度极大值确认所述玻璃面板所在行坐标。
10.如权利要求7所述的分拣快速定位***，其特征在于，定位吸附单元具体用于：
首先，根据所述行坐标和所述感兴趣区域边缘坐标，确定该行的卡槽中心，并得到其坐标；
以RowCenter(i)表示第i行的卡槽中心，以ColCenter(i)表示第i行的行中心，以ColGrayVa1(i)表示所述感兴趣区域图像的第i行的左边边缘端点坐标，ColGrayVa2(i)表示所述感兴趣区域图像的第i行的右边边缘端点坐标，RowCenter(i)＝i表示第i行卡槽中心的行坐标，则：
RowCenter(i)＝i；
ColCenter(i)＝(ColGrayVa1(i)+ColGrayVa2(i))/2；
其次，根据相机视野中心坐标和所述卡槽中心坐标确定所述玻璃面板的吸附位置；
以CameraRowCenter表示相机视野中心的行坐标，CameraColCenter表示相机视野中心的列坐标，r表示所述灰度图像的高，c表示所述灰度图像的宽，则：
CameraRowCenter＝r/2；CameraColCenter＝c/2；
当且仅当满足abs(CameraRowCenter(i)-RowCenter(i))和
abs(CameraColCenter-ColCenter(i))为最小时，确定该行为所要吸附的玻璃面板的所在行，以该行所在行坐标，结合相机的三维坐标，得到所述玻璃面板的吸附位置；
最后，控制机械手到达所述吸附位置进行吸附。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510771640.7A CN105457908B (zh) | 2015-11-12 | 2015-11-12 | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510771640.7A CN105457908B (zh) | 2015-11-12 | 2015-11-12 | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105457908A CN105457908A (zh) | 2016-04-06 |
| CN105457908B true CN105457908B (zh) | 2018-04-13 |
Family
ID=55596316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510771640.7A Expired - Fee Related CN105457908B (zh) | 2015-11-12 | 2015-11-12 | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105457908B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106493086B (zh) * | 2016-10-21 | 2019-03-05 | 北京源著智能科技有限公司 | 板材的分拣处理方法和*** |
| CN106378663A (zh) * | 2016-11-28 | 2017-02-08 | 重庆大学 | 基于机器视觉的机床辅助对刀*** |
| CN107798683A (zh) * | 2017-11-10 | 2018-03-13 | 珠海格力智能装备有限公司 | 产品特定区域边缘检测方法、装置及终端 |
| CN109035135B (zh) * | 2018-07-13 | 2023-03-24 | 常州宏大智能装备产业发展研究院有限公司 | 一种基于机器视觉的织物在线自动整花方法 |
| CN109143624B (zh) | 2018-08-28 | 2020-06-16 | 武汉华星光电技术有限公司 | 面板吸附装置及采用该装置的自动吸附方法 |
| CN110517318B (zh) * | 2019-08-28 | 2022-05-17 | 昆山国显光电有限公司 | 定位方法和装置、存储介质 |
| CN111797695B (zh) * | 2020-06-10 | 2023-09-29 | 盐城工业职业技术学院 | 一种股线捻度的自动识别方法及*** |
| CN114603715A (zh) * | 2022-03-10 | 2022-06-10 | 郴州旗滨光伏光电玻璃有限公司 | 玻璃打孔方法、装置及计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| US8224078B2 (en) * | 2000-11-06 | 2012-07-17 | Nant Holdings Ip, Llc | Image capture and identification system and process |
| EP2639745A1 (en) * | 2012-03-16 | 2013-09-18 | Thomson Licensing | Object identification in images or image sequences |
| CN104751147A (zh) * | 2015-04-16 | 2015-07-01 | 成都汇智远景科技有限公司 | 一种图像识别方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4493679B2 (ja) * | 2007-03-29 | 2010-06-30 | 富士フイルム株式会社 | 対象領域抽出方法および装置ならびにプログラム |
| GB2499799B (en) * | 2012-02-28 | 2019-06-26 | Snell Advanced Media Ltd | Identifying points of interest in an image |
-
2015
- 2015-11-12 CN CN201510771640.7A patent/CN105457908B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8224078B2 (en) * | 2000-11-06 | 2012-07-17 | Nant Holdings Ip, Llc | Image capture and identification system and process |
| CN101334263A (zh) * | 2008-07-22 | 2008-12-31 | 东南大学 | 圆形目标的圆心定位方法 |
| EP2639745A1 (en) * | 2012-03-16 | 2013-09-18 | Thomson Licensing | Object identification in images or image sequences |
| CN104751147A (zh) * | 2015-04-16 | 2015-07-01 | 成都汇智远景科技有限公司 | 一种图像识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105457908A (zh) | 2016-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105457908B (zh) | 基于单目ccd的小尺寸玻璃面板的分拣快速定位方法及*** | |
| CN108549864B (zh) | 面向车载热成像行人检测的感兴趣区域过滤方法和装置 | |
| CN108090435B (zh) | 一种可停车区域识别方法、***及介质 | |
| CN103310194B (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
| CN103530881B (zh) | 适用于移动终端的户外增强现实无标志点跟踪注册方法 | |
| CN103218605B (zh) | 一种基于积分投影与边缘检测的快速人眼定位方法 | |
| CN104299009B (zh) | 基于多特征融合的车牌字符识别方法 | |
| US20160180188A1 (en) | Method for detecting salient region of stereoscopic image | |
| US20130101170A1 (en) | Method of image processing and device therefore | |
| CN105160310A (zh) | 基于3d卷积神经网络的人体行为识别方法 | |
| CN104794479B (zh) | 基于局部笔画宽度变换的自然场景图片中文本检测方法 | |
| CN105740945A (zh) | 一种基于视频分析的人群计数方法 | |
| CN110827312B (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
| CN103839038A (zh) | 一种人数统计的方法及装置 | |
| CN105096307A (zh) | 在成对的立体图像中检测物体的方法 | |
| Ji et al. | Integrating visual selective attention model with HOG features for traffic light detection and recognition | |
| CN105787930A (zh) | 基于锐利度的针对虚化图像的显著性检测方法及*** | |
| US20150186723A1 (en) | Method and apparatus for detecting generalized passerby | |
| CN105374039A (zh) | 基于轮廓锐度的单目图像深度信息估计方法 | |
| CN107845068A (zh) | 图像视角变换装置以及方法 | |
| CN104537381B (zh) | 一种基于模糊不变特征的模糊图像识别方法 | |
| CN105404868A (zh) | 一种基于交互平台的复杂背景中文本的快速检测方法 | |
| CN106156691A (zh) | 复杂背景图像的处理方法及其装置 | |
| CN106529441A (zh) | 基于模糊边界分片的深度动作图人体行为识别方法 | |
| Liu et al. | Extraction of lane markings using orientation and vanishing point constraints in structured road scenes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180413 |