CN110487183A - 一种多目标光纤位置精确检测***及使用方法 - Google Patents
一种多目标光纤位置精确检测***及使用方法 Download PDFInfo
- Publication number
- CN110487183A CN110487183A CN201910799076.8A CN201910799076A CN110487183A CN 110487183 A CN110487183 A CN 110487183A CN 201910799076 A CN201910799076 A CN 201910799076A CN 110487183 A CN110487183 A CN 110487183A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- image
- circle
- round
- coordinate
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种多目标光纤位置精确检测***及使用方法,设置在一个无外界光干扰的环境下,包括图像捕捉器、光源、图像采集***,光纤光谱天文望远镜上的各光纤机器人均设置有圆形陶瓷头,光纤的入射端设置于圆形陶瓷头的圆心位置;光源均匀照射所述圆形陶瓷头,图像捕捉器对圆形陶瓷头组成的光纤安装平面进行图像采集,图像采集***与光纤机器人、图像捕捉器连接,图像采集***处理图像捕捉器采集的图像并将处理后的结果反馈到光纤机器人的控制器中;本发明主要应用于多目标光纤光谱望远镜中对天体光谱的采集工作,精确检测确定各光纤的位置,可使携带有光纤在平面内做二维回转运动的光纤机器人达到更高的定位精度去对准星象目标。
Description
技术领域
本发明涉及大尺度精密几何测量技术领域,具体涉及一种多目标光纤位置精确检测***及使用方法。
背景技术
光学光谱包含着遥远天体丰富的物理信息,大量天体光学光谱的获取是涉及天文和天体物理学诸多前沿问题的大视场、大样本天文学研究的关键。但是,迄今由成像巡天记录下来的数以百亿计的各类天体中,只有很小的一部分,约万分之一,进行过光谱观测。
现有的光纤光谱天文望远镜为获取天体光谱主要手段;当光纤光谱望远镜在观测不同的天区时,天体的像(光斑)落在焦面的不同位置上,为了尽可能多地接收到天体的光能量,除了要求望远镜的光学***具有好的性能外,还必须让焦面上的每一根光纤的入射端都准确地对准天体的像,故需设置对光纤的位置检测标定***对各光纤位置进行位置检测,但现有的光纤位置检测标定***无法进行多目标光纤的精确定位。
鉴于所述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明。
发明内容
为解决所述技术缺陷,本发明采用的技术方案在于,提供一种多目标光纤位置精确检测***,设置在一个无外界光干扰的环境下,所述多目标光纤位置精确检测***包括图像捕捉器、光源、图像采集***,光纤光谱天文望远镜上的各光纤机器人均设置有圆形固定头,光纤的入射端设置于所述圆形固定头的圆心位置;所述光源均匀照射所述圆形固定头,所述图像捕捉器对所述圆形固定头组成的光纤安装平面进行图像采集,所述图像采集***与所述光纤机器人、所述图像捕捉器连接,所述图像采集***处理所述图像捕捉器采集的图像并将处理后的结果反馈到所述光纤机器人的控制器中。
较佳的,所述光纤安装平面与所述图像捕捉器视场中心线垂直设置。
较佳的,所述光源与所述圆形固定头的距离为3米,所述图像捕捉器与所述圆形固定头的距离为20米。
较佳的,所述光纤机器人安装在焦面固定的孔位上且孔位的坐标是已知的且均匀分布,除边缘光纤机器人外,距离每光纤机器人的孔位圆心25.6mm处都相邻有6个均匀分布的光纤机器人;相邻两个光纤间的距离占据的像素点为所述圆形固定头圆半径的19到21倍;每个所述圆形固定头占据24x24个像素区域。
较佳的,一种所述的多目标光纤位置精确检测***的使用方法,包括步骤:
S1,对应所述圆形固定头布置所述图像捕捉器和所述图像采集***,调节所述图像捕捉器使所述图像捕捉器的视场中心线垂直于所述光纤安装平面;
S2,将所述光源均匀照射在所述光纤安装平面上,从而点亮所述光纤安装平面,将所述图像捕捉器对焦至所述光纤安装平面上;
S3,通过所述图像采集***对所述图像捕捉器采集到的原始图像进行图像处理得到光纤精确的像素坐标;
S4,重复所述步骤S3,多次测量目标位置与光纤机器人当前位置的偏差,反馈给控制***进行多次逼近运动,最终实现光纤机器人对目标位置的精确定位。
较佳的,所述步骤S3中,所述图像处理过程包括步骤:
S31,图像预处理:对所述图像捕捉器采集到的原始图像进行中值滤波降噪以及顶帽滤波后进行二值化处理;
S32,图像分割:对所述步骤S31二值化处理后的图片使用sobel算子进行边缘检测,提取二值化处理后图片中的圆;
S33,快速随机霍夫算法检测圆:对所述步骤S32边缘检测后的图像进行快速找圆算法来寻找光纤圆心坐标;
S34,图像多目标匹配:采用最小二乘算法进行像素坐标与理论微米坐标的匹配,分别进行一次的粗匹配和一次精匹配,从而得到实际微米坐标。
较佳的,在所述步骤S33中,所述快速找圆算法利用光纤机器人在焦面的排列特点进行处理;过程包括:先利用霍夫算法来检测出第一个圆,识别出第一个圆的圆心之后再对第一个圆圆心相邻位置六个方向距离第一个圆圆心半径20倍的50x50个像素区域内寻找下一个光纤位置,重复步骤直至找到全部的圆。
较佳的,所述步骤S33中,捕捉到的原始图像中所述圆形固定头图像为圆形时,在所述光纤安装平面上建立平面坐标系,X轴和Y轴相互垂直;利用所述步骤S32中Sobel算子计算X,Y方向上的Sobel一阶导数得到梯度,对于图像中灰度值不为0的点,由其梯度值作为斜率可以得到一条直线,设定一个累加器,当有直线相交于一点时对应该交点的累加器加一,并设定一个圆心阈值当某交点的累加器达到这个圆心阈值之后则该交点为找到的圆的圆心,最终在原始图像中画出筛选过后的圆并将对应的圆心半径坐标保存下来,并且记数器加1,一个圆检测结束。
较佳的,所述步骤S33中,捕捉到的原始图像中所述圆形固定头图像为椭圆形时,所述图像处理过程为:在所述光纤安装平面上建立平面坐标系,X轴和Y轴相互垂直;
首先由所述步骤S32得到边缘检测的二值化轮廓图,将二值化轮廓图上所有轮廓点的坐标存放在轮廓数组之中;计算图像中椭圆形内所有点与所得轮廓数组中点之间的距离,得到椭圆形内所有点与椭圆轮廓上点对应的最大距离尺寸,对应最小的所述最大距离尺寸的点为椭圆中心(p,q),最小的所述最大距离为椭圆长轴长度m;将所述轮廓数组中每一点的数值和3个椭圆参数p、q、a代入椭圆计算方程;在二维参数空间上对参数n、θ进行统计,得到峰值超过设定阈值的一组参数即为椭圆;
所述椭圆计算方程为:
其中,p为所述圆形固定头的圆心横坐标,q为所述圆形固定头的圆心纵坐标,m为椭圆长轴长度,n为椭圆短轴长度,x为所述圆形固定头轮廓边缘上点的横坐标,y为所述圆形固定头轮廓边缘上点的纵坐标;θ为所述圆形固定头轮廓边缘上点与圆心的连线和X轴的夹角。
较佳的,所述步骤S34中,使用最小二乘匹配法,已知光纤机器人在零位或其中心轴与偏心轴任意展开一个角度之后的理论微米坐标和其经过以上步骤得到的像素坐标,先从理论微米坐标和像素坐标中选取至少四个的对应点先用一次一阶的最小二乘法粗拟合得到大量粗拟合出的点,将粗拟合的参数确定下来存入相机拍摄程序中以供后续拍摄粗匹配使用,而后使用四阶的最小二乘法进行精确匹配拟合,从粗拟合的点中均匀分散地选取至少100个已知理论坐标和像素坐标的对应点,进行精确匹配拟合,最终可以得到实际微米坐标。
与现有技术比较本发明的有益效果在于:可以实现大尺度:焦面尺寸有1.75米直径;多目标:同时检测4000根光纤;目标微小:光纤头直径只有2.5mm直径;高精度:尺寸精度达到5%像元,40微米精度,来精确检测确定各光纤的位置,可使携带有光纤在平面内做二维回转运动的光纤机器人达到更高的定位精度去对准星象目标。
附图说明
图1为所述多目标光纤位置精确检测***的结构示意图;
图2为所述多目标光纤位置精确检测***的流程图;
图3为所述图像采集***对所述圆形陶瓷头图像的处理图;
图4为所述图像采集***采集到的待处理目标光纤图像的原图;
图5为图像预处理之后的处理图;
图6为对预处理之后的图像进行边缘检测的放大图;
图7为最终标记检测到的光纤位置图。
图中数字表示:
1-图像捕捉器;2-镜头;3-图像采集处理***;4-光纤机器人;5-光纤;6-光源。
具体实施方式
以下结合附图,对本发明所述的和另外的技术特征和优点作更详细的说明。
实施例一
如图1所示,图1为所述多目标光纤位置精确检测***的结构示意图;本发明所述多目标光纤位置精确检测***设置在一个无外界光干扰的环境下,所述多目标光纤位置精确检测***包括图像捕捉器、光源、图像采集***,光纤光谱天文望远镜上的各光纤机器人均设置有圆形陶瓷头,光纤的入射端设置于所述圆形陶瓷头的圆心位置,所述圆形陶瓷头在观测过程中需对准各天体的像,以实现各光纤入射端与各天体像的对齐。
所述图像采集***与光纤机器人连接,在距离所述圆形陶瓷头大约3米的距离处设置所述光源来均匀照射所述圆形陶瓷头,并且在距离所述圆形陶瓷头大约20米距离处设置所述图像捕捉器,所述图像捕捉器可设置为高分辨率相机,被所述光源照射的所述圆形陶瓷头组成的光纤安装平面与所述图像捕捉器视场中心线相垂直。
较佳的,所述图像捕捉器固定于一个可调节角度的固定装置上,所述固定装置可调节所述图像捕捉器和所述图像捕捉器上镜头的角度使其视场与所述光纤安装平面垂直,从而使测得的光纤位置更为精确。
工作时,所述图像捕捉器连接到所述图像采集***,进行图像采集和处理,并将处理后的结果反馈到光纤机器人的控制器中,从而根据图像处理后的结果来控制光纤机器人对光纤入射端移动以进行位置补偿,从而使光纤入射端逐步逼近天体的像,即目标位置,最终可以使数千根光纤的定位精度同时达到40微米以内。
实施例二
本发明所述多目标光纤位置精确检测***的使用方法,如图2,图2为所述多目标光纤位置精确检测***的流程图,包括以下步骤:
S1,对应所述圆形陶瓷头布置所述图像捕捉器和所述图像采集***,调节所述图像捕捉器使所述图像捕捉器的视场中心线垂直于所述光纤安装平面;
S2,将所述光源均匀照射在所述光纤安装平面上,从而点亮所述光纤安装平面,将所述图像捕捉器对焦至所述光纤安装平面上;
S3,通过所述图像采集***对所述图像捕捉器采集到的图像进行图像处理得到光纤精确的像素坐标,如图4所示,图4为所述图像采集***采集到的待处理目标光纤图像的原图;
一般的,在步骤S3中,通过所述图像捕捉器的一次性连拍五张,求得光纤的平均像素坐标,从而提高检测的稳定性;
S4,重复步骤S3,多次测量目标位置与光纤机器人当前位置的偏差,反馈给控制***进行多次逼近运动,最终实现光纤机器人对目标位置的精确定位。
较佳的,所述步骤S3中,所述图像处理过程分为四个步骤:
S31,图像预处理;
S32,图像分割;
S33,快速霍夫算法检测圆;
S34,图像多目标匹配。
如图3所示,图3为所述图像采集***对所述圆形陶瓷头图像的处理图;由于被检测的光纤很细,所述图像捕捉器主要采集所述圆形陶瓷头图像,并通过计算检测所述圆形陶瓷头的圆心坐标,从而拟合出实际的光纤坐标。所述圆形陶瓷头一般设置为白色,便于所述图像捕捉器的图像采集。捕捉到的所述圆形陶瓷头图像可为圆形。
S31、图像预处理。如图5所示,图5为图像预处理之后的处理图,对拍摄得到的raw格式图片进行图像预处理,其中首先进行中值滤波将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值,减少图像中噪声点,从而减少计算量,以让周围的像素值接近的真实值。其次进行顶帽滤波来降低光照不均匀带来的影响,顶帽滤波的原理为使原图像与其开运算的结果图做差。开运算为先腐蚀后膨胀的过程,一般用于放大裂缝和低密度区域,消除相对于要保留图像较小的图像,消除物体表面的突起,在平滑目标图像的边界的同时不明显改变其形状。因此用原图中与开运算后的图相减,得到的效果图使得原图相对来说比较暗的轮廓更为突出,从而达到要减少光照不均匀的影响的目的。
最后进行二值化处理之后来为下一步的处理做准备,为了使二值化处理提取所有光纤信息和删去大多的无用信息,在二值化处理之前需要确定某个标准阈值参数作为划分标准。此标准阈值经过程序运算自动产生,并且此标准阈值作为一个定值用在之后的图片处理之中。
具体的,将灰度图像的最大和最小灰度值之间的每个值作为备选阈值,将小于备选阈值的像素和大于备选阈值的像素分为两类,求出这两类阈值范围所有点的灰度平均值,进而计算两类之间的方差,最后对比所有备选阈值之下的方差最大的阈值作为最终阈值并用在之后的运算之中,所述最终阈值即为所述标准阈值。
S32、图像分割。如图6所示,图6为对预处理之后的图像进行边缘检测的放大图,对上一步二值化处理之后的图片进行图像分割,其主要用到的是图像分割中的边缘检测,本发明使用了Sobel算子来进行图像的边缘检测,Sobel算子的原理为先对图像中的像素求和后再进行差分运算。
首先假设图像中一点(i,j)其灰度值表示为f(i,j),则其Sobel算子如下:
Gx=[f(i+1,j-1)+2f(i+1,j)+f(i+1,j+1)]-
[f(i-1,j-1)+2f(i-1,j)+f(i-1,j+1)]
Gy=[f(i-1,j+1)+2f(i,j+1)+f(i+1,j+1)]-
[f(i-1,j-1)+2f(i,j-1)+f(i+1,j-1)]
这两个算子可以用矩阵表示为:
除了边缘处无法处理外,图像中的每个点都与这两个算子做卷积,算子Gx对水平边缘响应最大,Gy对垂直边缘响应最大。两个算子与图像卷积值中的较大值作为该点的边缘图的像素灰度值。并且由Gx和Gy能够得到(i,j)点处的切线方向信息Gy/Gx,将在后面的基于圆的快速随机霍夫变换中发挥十分重要的作用。
S33、快速随机霍夫算法检测圆,并加入了深度学习算法辅助识别。如图7所示,图7为最终标记检测到的光纤位置图。在本使用方法中提出一种基于霍夫变换的快速圆检测方法,利用此方法来检测步骤S32中边缘检测之后的圆,本发明利用光纤机器人在焦面的排列特点:光纤机器人安装在焦面固定的孔位上并且孔位的坐标是已知的且均匀分布,除边缘光纤机器人外,距离每光纤机器人的孔位圆心25.6mm处都相邻有6个均匀分布的光纤机器人;相邻两个光纤的距离占据的像素点约为光纤陶瓷头圆半径的19到21倍;每个光纤陶瓷头占据24x24个像素区域。
所述基于随机霍夫变换的快速圆检测方法,在算法中加入待检测圆的圆心距离和方向为判定因素,从而减少噪声的干扰和运算的无效积累,提高识别的准确率。
首先,先利用随机霍夫算法来检测出第一个圆,识别出其圆心之后再对其圆心相邻位置六个方向距离其圆心半径20倍的50x50个像素区域内寻找其下一个光纤位置,在此处加入了深度学习算法来提高检测的准确度,利用了已经训练好的模型来判断检测出的圆是否为光纤机器人的陶瓷头。同时为避免重复寻找占用大量内存,要使已经检测出的光纤位置在后续寻找的像素区域不考虑,在此加入一个容错参数,当下一个要找的50x50的像素区域内的中心与本次和上次找到的圆的圆心距离小于这个容错参数时就代表此处的圆已经找过且不做考虑,重复上述步骤直到找不到新的圆为止,利用此方法进而使得搜索的速度和准确率大大提高。
所述步骤S33中,捕捉到的图像种所述圆形固定头图像为圆形时,利用步骤S32中Sobel算子计算X,Y方向上的Sobel一阶导数得到梯度。Sobel算子对图像进行的梯度操作为:
对于图像中灰度值不为0的点,由其梯度值作为斜率可以得到一条直线。当我们的目标是圆形时,圆上所有的点作其梯度斜率直线,所有的直线会在此圆的圆心相交。设定一个累加器,当有直线相交于一点时对应该交点的累加器加一,并设定一个圆心阈值当某交点的累加器达到这个圆心阈值之后则该交点为找到的圆的圆心,并计算其半径。根据所识别的陶瓷头大小形状相同这一特性,使用其识别出来的陶瓷头半径为作为判定依据,设定搜索光纤陶瓷头半径的范围rmax和rmin,可大大减少计算时间,并且降低了误检测的可能性。最终在原始图像中画出筛选过后的圆并将其圆心半径坐标保存下来,并且记数器加1,一个圆检测结束。
同理,在实际拍摄中因为稳定性以及噪声干扰的因素影响,拍摄得到的图片往往不是一个正圆,而是接近于椭圆形状,椭圆中心(p,q)为所述圆形陶瓷头的圆心坐标;具体的,平面上椭圆形内所有点与椭圆轮廓上点均对应有一最大距离尺寸,对应最小的所述最大距离尺寸的点为椭圆中心(p,q)。
故当捕捉到的所述圆形陶瓷头图像为椭圆形时,同样由S32步骤得到边缘检测的二值化轮廓图,将二值化轮廓图上所有轮廓点的坐标存放在轮廓数组之中。计算图像中椭圆形内所有点与所得轮廓数组中点之间的距离,得到椭圆形内所有点与椭圆轮廓上点对应的最大距离尺寸,对应最小的所述最大距离尺寸的点为椭圆中心(p,q),最小的所述最大距离即是椭圆长轴长度m。将所述轮廓数组中每一点的数值和刚才得到的3个椭圆参数p、q、m代入椭圆计算方程。在二维参数空间上对参数n、θ进行统计,得到峰值超过一定阈值的一组参数即为椭圆。
具体的,所述椭圆计算方程为:
其中,p为所述圆形陶瓷头的圆心横坐标,q为所述圆形陶瓷头的圆心纵坐标,m为椭圆长轴长度,n为椭圆短轴长度,x为所述圆形陶瓷头轮廓边缘上点的横坐标,y为所述圆形陶瓷头轮廓边缘上点的纵坐标;θ为所述圆形陶瓷头轮廓边缘上点与圆心的连线和X轴的夹角。
S34、图像多目标匹配。当在S33步骤找到图片中所有的光纤的圆心之后,我们需要将其像素坐标转化为实际微米坐标,在此利用了最小二乘匹配法,最小二乘匹配法是通过最小化误差的平方和进行寻找数据的一种方法,是一种比较好的函数匹配的方法。本发明用到了四次多项式作为最小二乘法匹配的公式,物体像素坐标(x,y)和其实际坐标(X,Y)的关系可以表示为:
多项式常数[a0,a1,a2,…,a14,b0,b1,b2,…,b14]共30个值为未知数。其中a0和b0代表了图像X轴和Y轴两个方向上的偏移值,a1和b2分别代表了x轴和y轴方向上图像的缩放比例,最高项系数可以认为是像差的修正值,其余系数相当于相机各方向旋转角度的修正值。
以光纤陶瓷头圆心的实际坐标(X,Y)与理论坐标点(xw,yw)之间距离的平方和最小为准则,则可以确定函数公式:
当[a0,a1,a2,…,a14,b0,b1,b2,…,b14]的值使得F取得最小值时可以确定多项式中参数的数值,可以求函数F对参数[a0,a1,a2,…,a14,b0,b1,b2,…,b14]的偏导,当偏导值为0时则可以满足要求,列出公式为:
写为矩阵形式为:
其中已知Q为:
其中n为进行多目标匹配时需要输入的点的数目,先从理论微米坐标和像素坐标中选取四个距离较远的对应点先用一次一阶最小二乘法粗拟合得到大量粗拟合出的点,且将粗拟合的参数确定下来存入相机拍摄程序中以供后续拍摄粗匹配使用,而后使用四阶的最小二乘法进行第二次精确匹配拟合,其未知常数系数为30个,n应该大于30,n理论上取值越大且越均匀则所得的参数越准确,再用程序从粗拟合的点中均匀分散地选取100个已知理论坐标和像素坐标的对应点。通过程序已知的光纤机器人在零位或其中心轴与偏心轴任意展开一个角度之后的理论微米坐标和其经过步骤S33得到的像素坐标,对矩阵进行运算即可以求得多项式各个参数的值,可以得到更为精确的实际微米坐标。
在实际的应用中首先导入拍摄得到的图片,利用中值滤波器消除图像中的椒盐噪声,再通过形态学处理和图像的二值处理,对图像进行边缘检测,实现对图像的预处理。再通过霍夫算法检测出类似圆或者椭圆的图像边缘,拟合出圆心,得到光纤的坐标。
将光纤的入射一端安装在洁白的陶瓷头上,在距离光纤入射端一定距离,建立本发明所述多目标光纤位置精确检测***,并在一定光源照射的环境下,在光纤陶瓷头这端一定距离内进行拍摄,得到想要处理的图像之后,利用霍夫算法对图像进行处理可以得到光纤精确的位置。再利用多次测量目标位置与光纤机器人当前位置的偏差,反馈给控制***进行多次逼近运动,逐步逼近目标位置。
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (10)
1.一种多目标光纤位置精确检测***,其特征在于,设置在一个无外界光干扰的环境下,所述多目标光纤位置精确检测***包括图像捕捉器、光源、图像采集***,光纤光谱天文望远镜上的各光纤机器人均设置有圆形固定头,光纤的入射端设置于所述圆形固定头的圆心位置;所述光源均匀照射所述圆形固定头,所述图像捕捉器对所述圆形固定头组成的光纤安装平面进行图像采集,所述图像采集***与所述光纤机器人、所述图像捕捉器连接,所述图像采集***处理所述图像捕捉器采集的图像并将处理后的结果反馈到所述光纤机器人的控制器中。
2.如权利要求1所述的多目标光纤位置精确检测***,其特征在于,所述光纤安装平面与所述图像捕捉器视场中心线垂直设置。
3.如权利要求1所述的多目标光纤位置精确检测***,其特征在于,所述光源与所述圆形固定头的距离为3米,所述图像捕捉器与所述圆形固定头的距离为20米。
4.如权利要求1所述的多目标光纤位置精确检测***,其特征在于,所述光纤机器人安装在焦面固定的孔位上且孔位的坐标是已知的且均匀分布,除边缘光纤机器人外,距离每光纤机器人的孔位圆心25.6mm处都相邻有6个均匀分布的光纤机器人;相邻两个光纤间的距离占据的像素点为所述圆形固定头圆半径的19到21倍;每个所述圆形固定头占据24x24个像素区域。
5.一种如权利要求1-4中任一项所述的多目标光纤位置精确检测***的使用方法,其特征在于,包括步骤:
S1,对应所述圆形固定头布置所述图像捕捉器和所述图像采集***,调节所述图像捕捉器使所述图像捕捉器的视场中心线垂直于所述光纤安装平面;
S2,将所述光源均匀照射在所述光纤安装平面上,从而点亮所述光纤安装平面,将所述图像捕捉器对焦至所述光纤安装平面上;
S3,通过所述图像采集***对所述图像捕捉器采集到的原始图像进行图像处理得到光纤精确的像素坐标;
S4,重复所述步骤S3,多次测量目标位置与光纤机器人当前位置的偏差,反馈给控制***进行多次逼近运动,最终实现光纤机器人对目标位置的精确定位。
6.如权利要求5所述的使用方法,其特征在于,所述步骤S3中,所述图像处理过程包括步骤:
S31,图像预处理:对所述图像捕捉器采集到的原始图像进行中值滤波降噪以及顶帽滤波后进行二值化处理;
S32,图像分割:对所述步骤S31二值化处理后的图片使用sobel算子进行边缘检测,提取二值化处理后图片中的圆;
S33,快速随机霍夫算法检测圆:对所述步骤S32边缘检测后的图像进行快速找圆算法来寻找光纤圆心坐标;
S34,图像多目标匹配:采用最小二乘算法进行像素坐标与理论微米坐标的匹配,分别进行一次的粗匹配和一次精匹配,从而得到实际微米坐标。
7.如权利要求6所述的使用方法,其特征在于,在所述步骤S33中,所述快速找圆算法利用光纤机器人在焦面的排列特点进行处理;过程包括:先利用霍夫算法来检测出第一个圆,识别出第一个圆的圆心之后再对第一个圆圆心相邻位置六个方向距离第一个圆圆心半径20倍的50x50个像素区域内寻找下一个光纤位置,重复步骤直至找到全部的圆。
8.如权利要求7所述的使用方法,其特征在于,所述步骤S33中,捕捉到的原始图像中所述圆形固定头图像为圆形时,在所述光纤安装平面上建立平面坐标系,X轴和Y轴相互垂直;利用所述步骤S32中Sobel算子计算X,Y方向上的Sobel一阶导数得到梯度,
对于图像中灰度值不为0的点,由其梯度值作为斜率可以得到一条直线,设定一个累加器,当有直线相交于一点时对应该交点的累加器加一,并设定一个圆心阈值当某交点的累加器达到这个圆心阈值之后则该交点为找到的圆的圆心,最终在原始图像中画出筛选过后的圆并将对应的圆心半径坐标保存下来,并且记数器加1,一个圆检测结束。
9.如权利要求7所述的使用方法,其特征在于,所述步骤S33中,捕捉到的原始图像中所述圆形固定头图像为椭圆形时,所述图像处理过程为:在所述光纤安装平面上建立平面坐标系,X轴和Y轴相互垂直;
首先由所述步骤S32得到边缘检测的二值化轮廓图,将二值化轮廓图上所有轮廓点的坐标存放在轮廓数组之中;计算图像中椭圆形内所有点与所得轮廓数组中点之间的距离,得到椭圆形内所有点与椭圆轮廓上点对应的最大距离尺寸,对应最小的所述最大距离尺寸的点为椭圆中心(p,q),最小的所述最大距离为椭圆长轴长度m;将所述轮廓数组中每一点的数值和3个椭圆参数p、q、a代入椭圆计算方程;在二维参数空间上对参数n、θ进行统计,得到峰值超过设定阈值的一组参数即为椭圆;
所述椭圆计算方程为:
其中,p为所述圆形固定头的圆心横坐标,q为所述圆形固定头的圆心纵坐标,m为椭圆长轴长度,n为椭圆短轴长度,x为所述圆形固定头轮廓边缘上点的横坐标,y为所述圆形固定头轮廓边缘上点的纵坐标;θ为所述圆形固定头轮廓边缘上点与圆心的连线和X轴的夹角。
10.如权利要求6所述的使用方法,其特征在于,所述步骤S34中,使用最小二乘匹配法,已知光纤机器人在零位或其中心轴与偏心轴任意展开一个角度之后的理论微米坐标和其经过以上步骤得到的像素坐标,先从理论微米坐标和像素坐标中选取至少四个的对应点先用一次一阶的最小二乘法粗拟合得到大量粗拟合出的点,将粗拟合的参数确定下来存入相机拍摄程序中以供后续拍摄粗匹配使用,而后使用四阶的最小二乘法进行精确匹配拟合,从粗拟合的点中均匀分散地选取至少100个已知理论坐标和像素坐标的对应点,进行精确匹配拟合,最终可以得到实际微米坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799076.8A CN110487183A (zh) | 2019-08-27 | 2019-08-27 | 一种多目标光纤位置精确检测***及使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910799076.8A CN110487183A (zh) | 2019-08-27 | 2019-08-27 | 一种多目标光纤位置精确检测***及使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110487183A true CN110487183A (zh) | 2019-11-22 |
Family
ID=68554723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910799076.8A Pending CN110487183A (zh) | 2019-08-27 | 2019-08-27 | 一种多目标光纤位置精确检测***及使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110487183A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337941A (zh) * | 2020-03-18 | 2020-06-26 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN112734847A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学技术大学 | 一种多目标光纤位置精确检测定位***及方法 |
CN112749464A (zh) * | 2021-01-15 | 2021-05-04 | 中国科学技术大学 | 一种光纤光谱望远镜的参考光纤分布设计方法 |
CN113510536A (zh) * | 2021-04-29 | 2021-10-19 | 厦门大学 | 一种加工中心的在机检测装置和方法 |
CN113720260A (zh) * | 2021-08-27 | 2021-11-30 | 中国科学技术大学 | 一种多目标光纤光谱望远镜参考光纤位置测量装置及方法 |
CN114964734A (zh) * | 2022-05-31 | 2022-08-30 | 中国科学技术大学 | 一种光纤光谱天文望远镜的光纤极坐标位置测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04184210A (ja) * | 1990-11-20 | 1992-07-01 | Mitsubishi Paper Mills Ltd | 木材繊維の横断面寸法測定方法 |
CN103593849A (zh) * | 2013-11-26 | 2014-02-19 | 北京建筑大学 | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 |
CN103903284A (zh) * | 2014-03-24 | 2014-07-02 | 中山新诺科技股份有限公司 | 一种基于最小二乘法的多圆检测方法 |
CN106503704A (zh) * | 2016-10-21 | 2017-03-15 | 河南大学 | 一种自然场景中圆形交通标志定位方法 |
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
US20190178638A1 (en) * | 2013-07-12 | 2019-06-13 | Magic Leap, Inc. | Method and system for obtaining texture data of a space |
-
2019
- 2019-08-27 CN CN201910799076.8A patent/CN110487183A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04184210A (ja) * | 1990-11-20 | 1992-07-01 | Mitsubishi Paper Mills Ltd | 木材繊維の横断面寸法測定方法 |
US20190178638A1 (en) * | 2013-07-12 | 2019-06-13 | Magic Leap, Inc. | Method and system for obtaining texture data of a space |
CN103593849A (zh) * | 2013-11-26 | 2014-02-19 | 北京建筑大学 | 一种用于影像序列椭圆形人工目标点快速识别与跟踪方法 |
CN103903284A (zh) * | 2014-03-24 | 2014-07-02 | 中山新诺科技股份有限公司 | 一种基于最小二乘法的多圆检测方法 |
CN106503704A (zh) * | 2016-10-21 | 2017-03-15 | 河南大学 | 一种自然场景中圆形交通标志定位方法 |
CN107016700A (zh) * | 2017-04-14 | 2017-08-04 | 中国科学院合肥物质科学研究院 | 一种基于数字图像的圆形物体检测方法 |
Non-Patent Citations (4)
Title |
---|
KANG ZHAO等: "The fiber view metrology system design for spectral survey telescope", 《PROCEEDINGS OF SPIE》 * |
冯明驰: "光纤位置视觉测量的优化方法研究", 《中国博士学位论文全文数据库(信息科技辑)》 * |
徐德等: "《机器人视觉测量与控制》", 29 February 2008, 国防工业出版社 * |
陈建平等: "《月球地质研究与编图》", 31 October 2014, 地质出版社 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337941A (zh) * | 2020-03-18 | 2020-06-26 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN111337941B (zh) * | 2020-03-18 | 2022-03-04 | 中国科学技术大学 | 一种基于稀疏激光雷达数据的动态障碍物追踪方法 |
CN112734847A (zh) * | 2021-01-15 | 2021-04-30 | 中国科学技术大学 | 一种多目标光纤位置精确检测定位***及方法 |
CN112749464A (zh) * | 2021-01-15 | 2021-05-04 | 中国科学技术大学 | 一种光纤光谱望远镜的参考光纤分布设计方法 |
CN112749464B (zh) * | 2021-01-15 | 2022-08-26 | 中国科学技术大学 | 一种光纤光谱望远镜的参考光纤分布设计方法 |
CN113510536A (zh) * | 2021-04-29 | 2021-10-19 | 厦门大学 | 一种加工中心的在机检测装置和方法 |
CN113510536B (zh) * | 2021-04-29 | 2022-07-29 | 厦门大学 | 一种加工中心的在机检测装置和方法 |
CN113720260A (zh) * | 2021-08-27 | 2021-11-30 | 中国科学技术大学 | 一种多目标光纤光谱望远镜参考光纤位置测量装置及方法 |
CN113720260B (zh) * | 2021-08-27 | 2022-07-15 | 中国科学技术大学 | 一种多目标光纤光谱望远镜参考光纤位置测量装置及方法 |
CN114964734A (zh) * | 2022-05-31 | 2022-08-30 | 中国科学技术大学 | 一种光纤光谱天文望远镜的光纤极坐标位置测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110487183A (zh) | 一种多目标光纤位置精确检测***及使用方法 | |
US10462351B2 (en) | Fast auto-focus in imaging | |
CN106296661B (zh) | 一种适用于光场相机的标定预处理方法 | |
CN105547834B (zh) | 基于双目视觉的快速应力应变曲线测量***的测量方法 | |
CA2826372C (en) | Fast auto-focus in microscopic imaging | |
CN107993258B (zh) | 一种图像配准方法及装置 | |
CN108986070B (zh) | 一种基于高速视频测量的岩石裂缝扩展实验监测方法 | |
US20190325586A1 (en) | Method and device of measuring infrared spectral characteristics of moving target | |
CN104537656B (zh) | 光纤扩束准直镜筒出射偏心高斯光束的检测方法 | |
CN106875436B (zh) | 一种基于特征点密度由聚焦堆栈估计深度的方法和装置 | |
CN107392849A (zh) | 基于图像细分的靶标识别与定位方法 | |
CN109086675A (zh) | 一种基于光场成像技术的人脸识别及攻击检测方法及其装置 | |
CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
CN109976391A (zh) | 光学聚焦镜头的焦点感光元件三维空间视觉伺服定位***及方法 | |
CN109974631A (zh) | 一种棒材直线度检测***及检测方法 | |
CN116594168A (zh) | 一种基于可变焦透镜的快速大景深显微成像***及方法 | |
CN108896017A (zh) | 一种弹丸近炸破片群位置参数测量与计算方法 | |
CN107563991B (zh) | 零件表面断裂激光光条的提取与匹配方法 | |
CN113802227A (zh) | 一种面向环锭纺细纱在线检测的视觉***校准方法 | |
WO2010133099A1 (zh) | 一种目标检测方法、***及立体视觉*** | |
TW201520669A (zh) | 斜軸式顯微自動對焦系統及方法 | |
CN108550144B (zh) | 基于灰度信度的激光光条序列图像质量评价方法 | |
CN108833789A (zh) | 一种实时自动聚焦装置及自动聚焦方法 | |
CN114755236A (zh) | 一种回转曲面电镀件表面缺陷的检测***及方法 | |
CN109343303A (zh) | 一种基于内锥镜面扫描全景成像的微钻视觉检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191122 |