CN111275756A - 线轴定位方法及装置 - Google Patents
线轴定位方法及装置 Download PDFInfo
- Publication number
- CN111275756A CN111275756A CN202010104827.2A CN202010104827A CN111275756A CN 111275756 A CN111275756 A CN 111275756A CN 202010104827 A CN202010104827 A CN 202010104827A CN 111275756 A CN111275756 A CN 111275756A
- Authority
- CN
- China
- Prior art keywords
- bobbin
- spool
- image
- area
- label
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种线轴定位方法及装置。其中,该方法包括:获取线轴图像;基于线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。本发明解决了相关技术中在包装线轴时,通过人工固定线轴位置,降低线轴包装效率的技术问题。
Description
技术领域
本发明涉及设备定位技术领域,具体而言,涉及一种线轴定位方法及装置。
背景技术
相关技术中,在线轴包装线上,更多的开始实现无人化包装,为实现无人化的线轴包装工艺,由于线轴是无序放置的,因此需要使用机器人的机械臂将线轴放置到流水线上;在控制机器人将线轴放置到流水线上之前,首先需要使用视觉检测线轴的位置,并将线轴的中心坐标参数发送给机械臂,然后使用机械臂对线轴进行抓取。但是当前的线轴识别存在多种弊端:缺陷一,由于线轴种类繁多,而视觉检测设备往往仅能对一种固定的线轴种类进行检测识别,导致对乱序线轴,无法有效识别、抓取,需要不断切换识别工位,降低了线轴抓取效率;缺陷二,线轴定位过程中,往往需要人工来辅助将线轴拿取到固定位置,视觉设备无法自适应识别线轴的中心位置,不能乱序抓取,降低了线轴包装效率。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种线轴定位方法及装置,以至少解决相关技术中在包装线轴时,通过人工固定线轴位置,降低线轴包装效率的技术问题。
根据本发明实施例的一个方面,提供了一种线轴定位方法,包括:获取线轴图像;基于所述线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;基于所述线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域,其中,所述内圆区域的外环中心坐标为所述目标线轴的中心坐标。
可选地,在获取线轴图像之后,所述方法还包括:分割所述线轴图像,确定背景区域和线轴放置区域;对所述线轴放置区域进行内圆拟合,确定所述目标线轴所在的线轴区域。
可选地,基于所述线轴图像确定目标线轴的线轴类型的步骤,包括:计算所述线轴图像在所述线轴区域中各个像素点的灰度值,得到灰度值分布数据;基于所述灰度值分布数据,确定所述目标线轴的线轴类型。
可选地,基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域的步骤,包括:分割所述新线轴图像中线轴区域所在的图像,得到多个子区域图像;确定每个所述子区域图像所指示的线轴子区域的区域面积;基于所述区域面积和线轴内圆曲率,筛选出所述目标线轴的内圆区域;对所述线轴内圆区域进行外环拟合,得到外环区域;确定所述外环区域的中心坐标为所述目标线轴的中心坐标。
可选地,在确定所述目标线轴的中心坐标之后,所述方法还包括:确定所述线轴区域上的两个标签待检区;获取新线轴图像上每个所述标签待检区的像素值;计算两个所述标签待检区之间的像素值方差;将两个标签待检区中像素值方差数值较大的标签待检区确定为标签区域,其中,所述标签区域中放置有线轴标签。
可选地,在确定所述目标线轴的中心坐标之后,所述方法还包括:确定所述新线轴图像中的新线轴标签的标签放置初始角度;基于所述目标线轴的中心坐标、新线轴的缩放尺度和所述标签放置初始角度,对标签待检区进行仿射变换;确定仿射变换后所述标签待检区含有新线轴标签的位置区域。
可选地,确定所述新线轴图像中的新线轴标签的标签放置初始角度的步骤,包括:确定新线轴图像中两个角度特征区域的区域中心坐标,其中,所述角度特征区域是指新线轴标签在旋转预设角度后对应于目标线轴的线轴标签的角度区域;基于两个区域中心坐标,计算标签方向向量;根据所述标签方向向量确定标签放置初始角度。
根据本发明实施例的另一方面,还提供了一种线轴定位装置,包括:获取单元,用于获取线轴图像;确定单元,用于基于所述线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;调节单元,用于基于所述线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;定位单元,用于基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域,其中,所述内圆区域的外环中心坐标为所述目标线轴的中心坐标。
可选地,所述线轴定位装置还包括:分割单元,用于在获取线轴图像之后,分割所述线轴图像,确定背景区域和线轴放置区域;拟合单元,用于对所述线轴放置区域进行内圆拟合,确定所述目标线轴所在的线轴区域。
可选地,所述确定单元包括:第一计算模块,用于计算所述线轴图像在所述线轴区域中各个像素点的灰度值,得到灰度值分布数据;第一确定模块,用于基于所述灰度值分布数据,确定所述目标线轴的线轴类型。
可选地,所述定位单元包括:第一分割模块,用于分割所述新线轴图像中线轴区域所在的图像,得到多个子区域图像;第二确定模块,用于确定每个所述子区域图像所指示的线轴子区域的区域面积;筛选模块,用于基于所述区域面积和线轴内圆曲率,筛选出所述目标线轴的内圆区域;第一拟合模块,用于对所述线轴内圆区域进行外环拟合,得到外环区域;第三确定模块,用于确定所述外环区域的中心坐标为所述目标线轴的中心坐标。
可选地,所述线轴定位装置还包括:第四确定模块,用于在确定所述目标线轴的中心坐标之后,确定所述线轴区域上的两个标签待检区;第一获取模块,用于获取新线轴图像上每个所述标签待检区的像素值;第二计算模块,用于计算两个所述标签待检区之间的像素值方差;第五确定模块,用于将两个标签待检区中像素值方差数值较大的标签待检区确定为标签区域,其中,所述标签区域中放置有线轴标签。
可选地,所述线轴定位装置还包括:第六确定模块,用于在确定所述目标线轴的中心坐标之后,确定所述新线轴图像中的新线轴标签的标签放置初始角度;变换模块,用于基于所述目标线轴的中心坐标、新线轴的缩放尺度和所述标签放置初始角度,对标签待检区进行仿射变换;第七确定模块,用于确定仿射变换后所述标签待检区含有新线轴标签的位置区域。
可选地,所述第六确定模块包括:第一确定子模块,用于确定新线轴图像中两个角度特征区域的区域中心坐标,其中,所述角度特征区域是指新线轴标签在旋转预设角度后对应于目标线轴的线轴标签的角度区域;计算子模块,用于基于两个区域中心坐标,计算标签方向向量;第二确定子模块,用于根据所述标签方向向量确定标签放置初始角度。
根据本发明实施例的另一方面,还提供了一种存储介质,所述存储介质用于存储程序,其中,所述程序在被处理器执行时控制所述存储介质所在设备执行上述任意一项所述的线轴定位方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的线轴定位方法。
在本发明实施例中,采用获取线轴图像,然后基于线轴图像确定目标线轴的线轴类型,并基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数,最后可基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。在该实施例中,可通过视觉检测自适应识别线轴类型,实现在同一工位上无需人工切换,自动识别线轴的种类,并进行后续的线轴定位,使得机械臂能够快速抓取线轴,提高线轴包装效率,从而解决相关技术中在包装线轴时,通过人工固定线轴位置,降低线轴包装效率的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的线轴定位方法的流程图;
图2是根据本发明实施例的一种可选的线轴图像的示意图;
图3是根据本发明实施例的一种可选的线轴定位装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
通过本申请,可自适应识别线轴种类,切换成像模式,无需人工干预即可实现线轴抓取、包装,在识别线轴类型,并定位出线轴中心坐标后,可以快速实现线轴抓取,在后续过程中,需要对线轴上的标签进行扫码,要求在将线轴放置到流水线上时,需将标签位置统一旋转至扫码枪一侧,本申请不仅可实现线轴定位,还可对线轴标签进行定位,计算线轴中心与标签中心与水平轴的角度,并将角度参数发送给机械臂,让机械臂调整抓取姿态,稳定、快速的抓取到线轴。
本申请针对线轴的多样性(每种线轴间的颜色差异较大),对不同种类线轴定位时,设置不同的光强参数、相机曝光参数等物理量,采用不同的图像识别算法,能够自动识别线轴种类,根据识别结果自动调节参数设置,调用对应的识别算法,定位线轴的中心坐标,计算出标签与水平轴的角度,辅助机器人完成线轴抓取和线轴包装。下面结合各实施例来说明本发明。
根据本发明实施例,提供了一种线轴定位方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种可选的线轴定位方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取线轴图像;
步骤S104,基于线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;
步骤S106,基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;
步骤S108,基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。
通过上述步骤,可以先获取线轴图像,然后基于线轴图像确定目标线轴的线轴类型,并基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数,最后可基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。在该实施例中,可通过视觉检测自适应识别线轴类型,实现在同一工位上无需人工切换,自动识别线轴的种类,并进行后续的线轴定位,使得机械臂能够快速抓取线轴,提高线轴包装效率,从而解决相关技术中在包装线轴时,通过人工固定线轴位置,降低线轴包装效率的技术问题。
本发明实施例可应用于各种线轴包装***、设备、生产线上,实现无人自动化的线轴包装。
下面结合各个步骤详细说明本发明。
步骤S102,获取线轴图像。
在线轴生产线上可以设置多个摄像头、相机等拍摄装置,该拍摄装置可以与处理中心、机器人互连,通过对运输板(运输待包装线轴至生产线上,供机器人抓取)进行拍照,得到包含线轴的图像。
每一次运输的线轴数量不限定,根据生产线上的线轴包装水平,自主设置线轴运输数量。
本发明实施例中,在获取线轴图像之后,方法还包括:分割线轴图像,确定背景区域和线轴放置区域;对线轴放置区域进行内圆拟合,确定目标线轴所在的线轴区域。
通过自适应阈值分割将线轴与背景分割出来,由于视野较大,在视野内很可能会有其他线轴的一部分进入视野(非完整线轴),所以分割后的结果可能包含多个线轴,通过拟合内圆的方式可以提取出完整线轴的区域。
在分割线轴图像时,可以是通过预先训练的高斯混合模型来对线轴图像进行分割,主要是将线轴运输板背景图和线轴区域图分割出来,在一个线轴图像中,可能不只一个线轴,线轴区域也不仅有一个,分割的背景图可能比较零乱,因此,需要结合图像二值化技术,准确分割出所有的线轴区域。
步骤S104,基于线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;
本发明实施例中,线轴类型包括但不限于:黑色、白色、彩色(即其它颜色,如绿色、红色)等;不同类型的线轴所对应的图像拍摄光源强度和曝光时长都不相同。例如,对于白色线轴,设置一个对应的最佳光源强度与曝光时间,此时可成功的识别线轴中心与标签位置,但在相同条件与参数设置下,黑色线轴与背景对比度非常低,混为一体,导致识别难度加大,且精度严重下降。为了提高对黑色线轴的识别精度,需提高光照强度与曝光时间,由此带来的增效效果十分明显,若使用黑色线轴设置的参数作为标准,对于白色线轴则会出现曝光过度的现象,带来的隐患是线轴上的标签位置特征将会严重减少,甚至消失,导致无法对线轴定位。因此,需要先设定一个基础图像拍摄参数,通过对算法的优化,在同一参数设置下,对白色线轴和彩色线轴进行中心定位与标签定位,并通过调节参数可实现对黑色线轴的进行中心定位与标签定位。
可选的,基于线轴图像确定目标线轴的线轴类型的步骤,包括:计算线轴图像在线轴区域中各个像素点的灰度值,得到灰度值分布数据;基于灰度值分布数据,确定目标线轴的线轴类型。计算线轴区域的所有像素值的灰度统计直方图,根据灰度值分布情况可判断线轴的种类。
本申请中,可以通过分析像素点灰度值,来准确确定出线轴类型。本申请可自适应对不同种类线轴进行中心定位与标签定位,在识别线轴类型后,将种类识别结果以信号的形式反馈给***,根据反馈调节***参数设置,调用对应的中心定位与标签定位算法,并将定位信息发送给机器人,引导机器人来抓取和放置线轴。
步骤S106,基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数。
调用线轴参数表,导出与识别出的线轴类型对应的拍摄图像时的最优光源参数(如光源强度、光源位置)和曝光参数(曝光时长、曝光开始时间点和曝光结束时间点),进而可重新拍摄线轴图像,使得后续进行线轴中心定位和标签定位做基础。
在识别线轴图像,得到识别结果后,可将识别结果反馈给***,***根据结果调节参数,将光源强度、曝光时间等参数设置到最适合该类线轴的数值,通过视觉算法获取线轴的中心坐标与标签位置信息,并由***将信息发送给机器人。
步骤S108,基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。
在本发明实施例中,在识别线轴类型,重新拍摄线轴图像,可以进行线轴中心定位和标签定位。基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域的步骤,包括:分割新线轴图像中线轴区域所在的图像,得到多个子区域图像;确定每个子区域图像所指示的线轴子区域的区域面积;基于区域面积和线轴内圆曲率,筛选出目标线轴的内圆区域;对线轴内圆区域进行外环拟合,得到外环区域;确定外环区域的中心坐标为目标线轴的中心坐标。
根据线轴种类使用对应的参数对与背景分隔开的线轴图像进行阈值分割,对分割后的图像进行区域划分,统计各个区域所包含的像素个数(或称为区域的面积)。第一次,使用面积区间作为判决条件,筛选出一部分符合条件的区域;第二次,使用曲率作为判决条件,筛选出线轴内圆区域,对该区域拟合外圆,可将该区域拟合成外环,该外环的圆心坐标即为线轴的中心坐标。
图2是根据本发明实施例的一种可选的线轴图像的示意图,如图2所示,该线轴图像中显示的线轴为白色类型的线轴,在线轴上可划分出内圆(图2中的中间小圆圈和两个弧形中空区域所在的区域)和外圆(图2中两个框型区域、鳞次排列的中空圆弧区域),通过分割,可筛选出线轴内圆区域,并定位中间小圆圈的中心坐标为线轴中心坐标。
在完成线轴中心定位后,可以定位出标签位置,例如,确定出图2中右侧框型区域中的线轴标签的标签位置和标签整体区域。
作为本发明可选的实施例,在确定目标线轴的中心坐标之后,方法还包括:确定线轴区域上的两个标签待检区;获取新线轴图像上每个标签待检区的像素值;计算两个标签待检区之间的像素值方差;将两个标签待检区中像素值方差数值较大的标签待检区确定为标签区域,其中,标签区域中放置有线轴标签。
线轴上的纹理很丰富,这对标签的定位干扰很大,为了提高标签定位的准确率,本申请会缩小搜索范围,为此,本申请随机选取一副获取的图像作为参照标准,在标签上和标签的另一设置两块矩形区域作为标签待检测区,通过对两个矩形框内的像素进行均方差运算,差值大的区域即为标签区域。
在本申请中,识别其它图像的标签时,通过对标签待检测区进行仿射变换,可将标签待检测区旋转至含有标签的位置,可选的,在确定目标线轴的中心坐标之后,方法还包括:确定新线轴图像中的新线轴标签的标签放置初始角度;基于目标线轴的中心坐标、新线轴的缩放尺度和标签放置初始角度,对标签待检区进行仿射变换;确定仿射变换后标签待检区含有新线轴标签的位置区域。
作为本发明可选的实施例,确定新线轴图像中的新线轴标签的标签放置初始角度的步骤,包括:确定新线轴图像中两个角度特征区域的区域中心坐标,其中,角度特征区域是指新线轴标签在旋转预设角度后对应于目标线轴的线轴标签的角度区域;基于两个区域中心坐标,计算标签方向向量;根据标签方向向量确定标签放置初始角度。
仿射变换可以理解为:对坐标(或坐标轴)进行缩放,旋转,平移后取得新坐标的值。例如,原坐标为(x0,y0),经平移旋转后的坐标为(X,Y),则:
X=X*COSθ-Y*SINθ+x0;
Y=Y*SINθ+Y*COSθ+y0;
再考虑到缩放,写成矩阵形式为:
这个矩阵就是仿射矩阵。
进行仿射变换需要确定三个条件,包括:初始坐标、旋转角度以及缩放尺度。其中,初始坐标可选用上述计算的线轴中心坐标,而缩放尺度可自行设置,例如,缩放尺度为1。对于旋转角度,选取角度特征区域。
在本申请中,计算两个角度特征区域的中心坐标,两中心坐标可确定一个方向向量。在参考图像中我们可以根据方向向量获取初始角度,与计算得到的被测物体的方向向量,可以获取旋转角度。
通过上述实施方式,可以确定初始坐标、旋转角度、缩放尺度,在得到初始坐标、旋转角度和缩放尺度后,可进行仿射变换了。
对经过仿射变换后的两个矩形区域分别计算其区域内像素值的方差,方差大的矩形区域即为标签区域(含有标签的区域纹理丰富,像素间梯度值大)。
在图像处理上,对于一副灰度图像,方差可表示图像上所有像素灰度值的变化强度。对于线轴上的两个矩形区域,显然含有标签的矩形区域内像素灰度值的波动更大,其包含的所有像素的方差更大。数字图像处理中的方差可用下面的公式求得:
需注意的是,上面是除以n-1,只有这样由样本估计出的方差才是无偏的。因为当用
利用像素值方差,可以确定出变化较大标签待检区,以确定出线轴标签所在的区域,然后可以将线轴标签的位置信号报告给扫码器,便于扫码器对标签进行扫描,便于后续自动化包装线轴。
通过上述实施例,本发明可以借助视觉检测识别线轴类型,并进行后续的线轴定位与标签定位,在得到识别结果后,可以将结果信号上报给机器人和扫码器,便于机器人根据线轴中心位置抓取目标线轴,并且通过视觉检测计算出标签旋转的角度,机械臂根据接受到的结果可将标签位置放置到指定区域,扫码器可以调整姿态扫描线轴上的线轴标签,完成无人、自动化包装流程,提高生产效率。
在本发明实施例,还说明了一种具体的线轴定位和标签定位的方法,其包括:
步骤11,采集线轴图像;
步骤12,提取线轴图像中的线轴区域;
步骤13,统计线轴区域中各个像素点的灰度值,确定灰度分布数据;
步骤14,基于灰度分布数据,识别线轴类型;
步骤15,根据识别出的线轴类型,调整成像参数,包括调节拍摄曝光参数和光源参数;
步骤16,对线轴区域重新拍摄图像,基于新线轴图像,定位线轴中心和标签位置。
上述各步骤,可以实现线轴中心定位和标签自定位,方便后续机器人对线轴进行抓取,并且方便扫码器调整姿态,以能够准确扫描到线轴上的标签,获取线轴信息,无需人工干预,即可实现线轴处理,完成线轴乱序包装。
实施例二
下面结合另一种可选的实施例来说明本发明。
图3是根据本发明实施例的一种可选的线轴定位装置的示意图,如图3所示,该线轴定位装置包括:获取单元31、确定单元33、调节单元35、定位单元37,其中,
获取单元31,用于获取线轴图像;
确定单元33,用于基于线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;
调节单元35,用于基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;
定位单元37,用于基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。
上述线轴定位装置,可以通过获取单元31获取线轴图像,然后通过确定单元33基于线轴图像确定目标线轴的线轴类型,并通过调节单元35基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数,最后可通过定位单元37基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。在该实施例中,可通过视觉检测自适应识别线轴类型,实现在同一工位上无需人工切换,自动识别线轴的种类,并进行后续的线轴定位,使得机械臂能够快速抓取线轴,提高线轴包装效率,从而解决相关技术中在包装线轴时,通过人工固定线轴位置,降低线轴包装效率的技术问题。
可选的,线轴定位装置还包括:分割单元,用于在获取线轴图像之后,分割线轴图像,确定背景区域和线轴放置区域;拟合单元,用于对线轴放置区域进行内圆拟合,确定目标线轴所在的线轴区域。
在本发明实施例中,确定单元包括:第一计算模块,用于计算线轴图像在线轴区域中各个像素点的灰度值,得到灰度值分布数据;第一确定模块,用于基于灰度值分布数据,确定目标线轴的线轴类型。
在本申请中,定位单元包括:第一分割模块,用于分割新线轴图像中线轴区域所在的图像,得到多个子区域图像;第二确定模块,用于确定每个子区域图像所指示的线轴子区域的区域面积;筛选模块,用于基于区域面积和线轴内圆曲率,筛选出目标线轴的内圆区域;第一拟合模块,用于对线轴内圆区域进行外环拟合,得到外环区域;第三确定模块,用于确定外环区域的中心坐标为目标线轴的中心坐标。
作为本发明可选的实施例,线轴定位装置还包括:第四确定模块,用于在确定目标线轴的中心坐标之后,确定线轴区域上的两个标签待检区;第一获取模块,用于获取新线轴图像上每个标签待检区的像素值;第二计算模块,用于计算两个标签待检区之间的像素值方差;第五确定模块,用于将两个标签待检区中像素值方差数值较大的标签待检区确定为标签区域,其中,标签区域中放置有线轴标签。
可选的,线轴定位装置还包括:第六确定模块,用于在确定目标线轴的中心坐标之后,确定新线轴图像中的新线轴标签的标签放置初始角度;变换模块,用于基于目标线轴的中心坐标、新线轴的缩放尺度和标签放置初始角度,对标签待检区进行仿射变换;第七确定模块,用于确定仿射变换后标签待检区含有新线轴标签的位置区域。
另一种可选的,第六确定模块包括:第一确定子模块,用于确定新线轴图像中两个角度特征区域的区域中心坐标,其中,角度特征区域是指新线轴标签在旋转预设角度后对应于目标线轴的线轴标签的角度区域;计算子模块,用于基于两个区域中心坐标,计算标签方向向量;第二确定子模块,用于根据标签方向向量确定标签放置初始角度。
上述的线轴定位装置还可以包括处理器和存储器,上述获取单元31、确定单元33、调节单元35、定位单元37等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
上述处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来对拍摄的新线轴图像拟合新线轴图像中目标线轴的内圆区域,并确定目标线轴的中心坐标。
上述存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
根据本发明实施例的另一方面,还提供了一种存储介质,存储介质用于存储程序,其中,程序在被处理器执行时控制存储介质所在设备执行上述任意一项的线轴定位方法。
根据本发明实施例的另一方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述任意一项的线轴定位方法。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取线轴图像;基于线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;基于线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;基于调节后的光源参数和曝光参数重新拍摄线轴图像,并拟合新线轴图像中目标线轴的内圆区域,其中,内圆区域的外环中心坐标为目标线轴的中心坐标。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种线轴定位方法,其特征在于,包括:
获取线轴图像;
基于所述线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;
基于所述线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;
基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域,其中,所述内圆区域的外环中心坐标为所述目标线轴的中心坐标。
2.根据权利要求1所述的方法,其特征在于,在获取线轴图像之后,所述方法还包括:
分割所述线轴图像,确定背景区域和线轴放置区域;
对所述线轴放置区域进行内圆拟合,确定所述目标线轴所在的线轴区域。
3.根据权利要求2所述的方法,其特征在于,基于所述线轴图像确定目标线轴的线轴类型的步骤,包括:
计算所述线轴图像在所述线轴区域中各个像素点的灰度值,得到灰度值分布数据;
基于所述灰度值分布数据,确定所述目标线轴的线轴类型。
4.根据权利要求2所述的方法,其特征在于,基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域的步骤,包括:
分割所述新线轴图像中线轴区域所在的图像,得到多个子区域图像;
确定每个所述子区域图像所指示的线轴子区域的区域面积;
基于所述区域面积和线轴内圆曲率,筛选出所述目标线轴的内圆区域;
对所述线轴内圆区域进行外环拟合,得到外环区域;
确定所述外环区域的中心坐标为所述目标线轴的中心坐标。
5.根据权利要求4所述的方法,其特征在于,在确定所述目标线轴的中心坐标之后,所述方法还包括:
确定所述线轴区域上的两个标签待检区;
获取新线轴图像上每个所述标签待检区的像素值;
计算两个所述标签待检区之间的像素值方差;
将两个标签待检区中像素值方差数值较大的标签待检区确定为标签区域,其中,所述标签区域中放置有线轴标签。
6.根据权利要求5所述的方法,其特征在于,在确定所述目标线轴的中心坐标之后,所述方法还包括:
确定所述新线轴图像中的新线轴标签的标签放置初始角度;
基于所述目标线轴的中心坐标、新线轴的缩放尺度和所述标签放置初始角度,对标签待检区进行仿射变换;
确定仿射变换后所述标签待检区含有新线轴标签的位置区域。
7.根据权利要求6所述的方法,其特征在于,确定所述新线轴图像中的新线轴标签的标签放置初始角度的步骤,包括:
确定新线轴图像中两个角度特征区域的区域中心坐标,其中,所述角度特征区域是指新线轴标签在旋转预设角度后对应于目标线轴的线轴标签的角度区域;
基于两个区域中心坐标,计算标签方向向量;
根据所述标签方向向量确定标签放置初始角度。
8.一种线轴定位装置,其特征在于,包括:
获取单元,用于获取线轴图像;
确定单元,用于基于所述线轴图像确定目标线轴的线轴类型,其中,每种线轴类型对应有图像拍摄时的光源参数和曝光参数;
调节单元,用于基于所述线轴类型,调节拍摄线轴图像时的光源参数和曝光参数;
定位单元,用于基于调节后的所述光源参数和所述曝光参数重新拍摄线轴图像,并拟合新线轴图像中所述目标线轴的内圆区域,其中,所述内圆区域的外环中心坐标为所述目标线轴的中心坐标。
9.一种存储介质,其特征在于,所述存储介质用于存储程序,其中,所述程序在被处理器执行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的线轴定位方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的线轴定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010104827.2A CN111275756B (zh) | 2020-02-20 | 2020-02-20 | 线轴定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010104827.2A CN111275756B (zh) | 2020-02-20 | 2020-02-20 | 线轴定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275756A true CN111275756A (zh) | 2020-06-12 |
CN111275756B CN111275756B (zh) | 2023-06-06 |
Family
ID=71002099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010104827.2A Active CN111275756B (zh) | 2020-02-20 | 2020-02-20 | 线轴定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275756B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112124905A (zh) * | 2020-09-29 | 2020-12-25 | 闽江学院 | 一种全自动化与智能化的锦纶丝饼转运装置的控制方法 |
CN113252683A (zh) * | 2021-04-19 | 2021-08-13 | 唐山学院 | 一种冷轧带钢表面检测***的材料分组优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301624A (zh) * | 2014-10-30 | 2015-01-21 | 青岛海信移动通信技术股份有限公司 | 一种图像拍摄亮度控制方法及装置 |
CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
CN107820020A (zh) * | 2017-12-06 | 2018-03-20 | 广东欧珀移动通信有限公司 | 拍摄参数的调整方法、装置、存储介质及移动终端 |
CN110099222A (zh) * | 2019-05-17 | 2019-08-06 | 睿魔智能科技(深圳)有限公司 | 一种拍摄设备的曝光调整方法、装置、存储介质及设备 |
CN110440690A (zh) * | 2019-07-30 | 2019-11-12 | 华中科技大学 | 一种用于单点金刚石车床直线轴误差测量的装置及方法 |
-
2020
- 2020-02-20 CN CN202010104827.2A patent/CN111275756B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301624A (zh) * | 2014-10-30 | 2015-01-21 | 青岛海信移动通信技术股份有限公司 | 一种图像拍摄亮度控制方法及装置 |
CN105991913A (zh) * | 2015-02-03 | 2016-10-05 | 宁波舜宇光电信息有限公司 | 一种基于机器视觉定位特征对象的方法 |
CN107820020A (zh) * | 2017-12-06 | 2018-03-20 | 广东欧珀移动通信有限公司 | 拍摄参数的调整方法、装置、存储介质及移动终端 |
CN110099222A (zh) * | 2019-05-17 | 2019-08-06 | 睿魔智能科技(深圳)有限公司 | 一种拍摄设备的曝光调整方法、装置、存储介质及设备 |
CN110440690A (zh) * | 2019-07-30 | 2019-11-12 | 华中科技大学 | 一种用于单点金刚石车床直线轴误差测量的装置及方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112124905A (zh) * | 2020-09-29 | 2020-12-25 | 闽江学院 | 一种全自动化与智能化的锦纶丝饼转运装置的控制方法 |
CN113252683A (zh) * | 2021-04-19 | 2021-08-13 | 唐山学院 | 一种冷轧带钢表面检测***的材料分组优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111275756B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544916B2 (en) | Automated gauge reading and related systems, methods, and devices | |
CN111161295B (zh) | 一种菜品图像背景剥离方法 | |
CN110390677B (zh) | 一种基于滑动自匹配的缺陷定位方法及*** | |
CN109190617B (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN108872265A (zh) | 检测方法、装置及*** | |
CN113129383B (zh) | 手眼标定方法、装置、通信设备及存储介质 | |
CN110009615B (zh) | 图像角点的检测方法及检测装置 | |
CN111275756B (zh) | 线轴定位方法及装置 | |
US11538238B2 (en) | Method and system for performing image classification for object recognition | |
CN111982933A (zh) | 一种涂覆缺陷检测***及装置 | |
CN113066088A (zh) | 工业检测中的检测方法、检测装置和存储介质 | |
CN111060518A (zh) | 一种基于实例分割的冲压件缺陷识别方法 | |
CN114037595A (zh) | 图像数据处理方法、装置、电子设备和存储介质 | |
CN114092428A (zh) | 图像数据处理方法、装置、电子设备和存储介质 | |
CN113095445A (zh) | 一种目标识别方法及装置 | |
CN113145473A (zh) | 一种水果智能分拣***及方法 | |
CN116681677A (zh) | 一种锂电池缺陷检测方法、装置及*** | |
CN112484680A (zh) | 一种基于圆检测的蓝宝石晶片定位跟踪方法 | |
CN113591548B (zh) | 靶环识别方法及*** | |
CN116245793A (zh) | 基于视觉的色环电阻阻值检测方法 | |
CN112183158B (zh) | 一种谷物烹饪设备的谷物种类识别方法和谷物烹饪设备 | |
CN114663299A (zh) | 适用于煤矿井下的图像去雾模型的训练方法及其装置 | |
CN114022342A (zh) | 抓取点信息获取方法、装置、电子设备和存储介质 | |
CN114358131A (zh) | 数码相框智能照片优化处理*** | |
CN114022341A (zh) | 抓取点信息获取方法、装置、电子设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |