技术领域
[0001] 本
发明涉及一种物体中心坐标获取系统和方法，具体涉及一种基于视觉的成捆圆钢端面中心坐标的获取系统和方法。
背景技术
[0002] 目前，圆钢是现代工业不可或缺的
基础材料，其应用非常广泛。为了保证
建筑物、
铁轨等的使用寿命，同一建筑物或者同一段铁轨所应用的圆钢必须是同一炉生产出来的。但是在作业现场，各种型号的圆钢杂乱无章的摆放在一起，为了满足工人在作业时能够分清不同段位所需圆钢的要求，就要求在出厂之前必须对每根圆钢都标上长度、直径、种类、炉号、生产日期等信息，也就是需要对每根圆钢进行贴标签。综合实际情况考虑，针对圆钢应用时的特殊性，对圆钢贴标的最理想的
位置就是圆钢端面。
[0003] 目前，传统钢厂仍然采用人工手动取标、贴标的方法对圆钢端面进行贴标，这种方法劳动强度大，生产效率低。同时，由于视觉疲劳等因素会造成所粘贴标签的位置
精度达不到要求，出现漏贴错贴等现象。随着现代生产的迅速发展，要求贴标必须具有速度快、精度高、自动化等特点，这就需要研发一套自动贴标系统。成捆圆钢端面中心坐标的获取为自动贴标系统提供了实现贴标所必须的目标
位姿信息。因此，在自动贴标机系统中引入
机器视觉对实现圆钢端面快速识别和圆钢端面中心位置的精确
定位具有非常重大的意义。机器视觉可以在不适于人工作业的恶劣工作环境中替代人工视觉,而且在大批量工业生产过程中,机器视觉检测可以大幅度提高生产效率和生产自动化程度。以机器视觉为基础,通过
图像分析和
模式识别技术来识别圆钢端面,进而获取圆钢端面中心坐标是实现自动贴标机准确贴标的有效途径。目前，还没有针对成捆圆钢端面进行
图像识别并获取其中心坐标的系统化方法，或者说还没有实践中效果可靠的中心坐标获取方法。
发明内容
[0004] 基于以上目的，本发明提出一种基于视觉的成捆圆钢端面中心坐标的获取系统，所述系统包括：CCD相机，
光源，安装有图像存储和处理程序的计算机和标定板，光源为环形阵列光源，中间开有放置CCD相机的孔，CCD相机放置在环形阵列光源中心孔位置，且正对着成捆圆钢端面的中心位置，保证成捆圆钢端面在CCD相机的焦距范围内，安装有图像存储和处理程序的计算机布置在不遮挡CCD相机采集图像的位置，CCD相机和光源分别通过通信
电缆与安装有图像存储和处理程序的计算机连接在一起，标定板布置在与成捆圆钢端面对齐的平面上，且保证标定板垂直于
水平面。
[0005] 基于以上目的，本发明还提出了一种使用上述系统的基于视觉的成捆圆钢端面中心坐标的获取方法。所述方法包括如下步骤：
[0006] 1、保证成捆圆钢的端面与CCD相机的光轴中心垂直，采集待检测成捆圆钢端面图像；
[0007] 2、对采集的成捆圆钢端面图像应用平均值法进行灰度处理；
[0008] 3、对灰度处理后的成捆圆钢端面图像应用中值滤波法进行图像去噪，改善图像的
质量；
[0009] 4、对改善后的图像采用高帽运
算法进行图像增强，增强圆钢端面图像的局部图像信息，加强圆钢端面与背景物的
对比度；
[0010] 5、对图像增强后的圆钢端面图像采用最大方差
阈值分割法进行二值化处理，使灰度图像变为只有黑白两种
颜色的二值图像；
[0011] 6、消除二值图像中不是目标物的过小和过大区域面积图像；
[0012] 7、对只有圆钢端面图像的图片采用
分水岭分割算法进行
图像分割，使粘连在一起的多个圆钢端面分割开来；
[0014] 9、对边缘检测后的圆钢端面图像运用质心法进行中心定位，得到每个圆钢端面中心点的
像素坐标；
[0015] 10、通过采用张正友标定法对CCD相机进行标定，进而由圆钢端面中心像素坐标得到圆钢端面中心的世界坐标。
[0016] 本系统和方法在现有的机器视觉的基础上，组建了一套能对圆钢端面进行自动识别，进而检测出圆钢端面中心点坐标的视觉系统，可以提高贴标系统的可靠性和贴标作业的质量。
附图说明
[0017] 图1是本发明的基于视觉的成捆圆钢端面中心坐标的获取系统结构示意图；
[0018] 图2是本发明的基于视觉的成捆圆钢端面中心坐标的获取方法
流程图。具体
实施例[0019] 本发明基于视觉的成捆圆钢端面中心坐标的获取系统包括：CCD相机，光源，安装有图像存储和处理程序的计算机和标定板。光源选择环形阵列光源，中间开有放置CCD相机的孔，CCD相机放置在环形光源中心孔位置，且正对着成捆圆钢端面，保证成捆圆钢端面在CCD相机的焦距范围内，安装有图像存储和处理程序的计算机布置在不遮挡CCD相机采集图像的位置，CCD相机和光源分别通过通信电缆与安装有图像存储和处理程序的计算机连接在一起，在整个工作过程中，只需进行一次标定操作，标定时，标定板布置在与成捆圆钢端面对齐的平面上，且保证标定板垂直于水平面，标定结束后就可把标定板拿走。
[0020] 本发明的利用上述系统的基于视觉的成捆圆钢端面中心坐标的获取方法，所述方法包括如下步骤：
[0021] 1、保证成捆圆钢端面与CCD相机的光轴中心垂直，采集待检测成捆圆钢端面图像；
[0022] 2、对采集的成捆圆钢端面图像应用平均值法进行灰度处理；
[0023] 3、对灰度处理后的成捆圆钢端面图像应用中值滤波法进行图像去噪，以保证消除图像的噪声，改善图像的质量，得到清晰、高质量的圆钢端面图像；
[0024] 4、对处理后的图像采用高帽运算法进行图像增强，增强圆钢端面图像的局部图像信息，加强圆钢端面与背景物的对比度；
[0025] 5、对图像增强后的圆钢端面图像采用最大方差阈值分割法进行二值化处理，使灰度图像变为只有黑白两种颜色的二值图像；
[0026] 6、消除二值图像中不是目标物的过小和过大区域面积图像，使图像尽可能的只保留圆钢端面图像；
[0027] 7、对只有圆钢端面图像的图片采用分水岭分割算法进行图像分割，使粘连在一起的多个圆钢端面分割开来；
[0028] 8、对分割后的图像进行边缘检测；
[0029] 9、对边缘检测后的圆钢端面图像运用质心法进行中心定位，得到每个圆钢端面中心点的像素坐标；
[0030] 10、通过采用张正友标定法对CCD相机进行标定，进而由圆钢端面中心像素坐标得到圆钢端面中心的世界坐标。
[0031] 下面介绍具体的中心坐标获取方法。
[0033] 采集图像时，选用的图片格式为.BMP格式，因为.BMP格式图像坐标是以图片左下
角为坐标原点，向右为X轴，向上为Y轴，方便了像素
坐标系的确定。采集的图像中有复杂的对获取圆钢端面中心点带来干扰的背景物等图像信息，因此需要将这些背景物干扰图像去除，以便提取出圆钢端面图像。
[0034] 2、图像灰度化
[0035] 针对圆钢所处的复杂环境，采用平均值法对圆钢端面图像进行灰度化处理。
[0036] 3、图像去噪
[0037] 针对圆钢端面图像，采用中值滤波方法消除图像噪声，改善图像质量，对图像进行了灰度调整，增强了该图像的明暗对比度，使图像变得更加清晰。
[0038] 4、图像增强
[0039] 图像增强的目的是使圆钢端面的图像与背景图像分离开来，采用高帽（顶帽）运算，应用在图像灰度处理后，有减弱甚至消除背景图像的作用，使目标物图像更加清晰，起到图像
亮度均衡化的作用。进行高帽运算后再进行阈值处理，背景图像就会均匀。该步骤增强了圆钢端面局部的图像信息，使圆钢端面图像与背景
图像对比度增大。
[0040] 5、图像二值化
[0041] 二值图像中的数据类型实际上是logical型，0代表黑色，1代表白色。二值化目的是将灰度图像转换为黑白图像，常用的二值化处理方法即“阈值法”，该方法规定一个阈值，使灰度图像中超过这个阈值的区域取为1，小于这个阈值的区域取为0。针对圆钢端面图像特点，采用最大方差阈值分割法，本方法是一种使用类间方差最大的自动确定阈值的方法。首先得到圆钢端面灰度图像的直方图，计算确定灰度图像的最优阈值T，也可直接调用MATLAB中函数T=graythresh(I)获得灰度图像的最优阈值T，然后由直接调用MATLAB中函数J=im2bw(I,T)获取灰度图像的二值图像。
[0042] 6、去除过大和过小的区域面积
[0043] 本步骤实际上是为了消除背景图像等不相干的因素。本方法是先将带有背景的圆钢端面图像二值化，然后尽可能的去除背景等杂物，再进行边缘检测等步骤。通过实际测量确定出圆钢端面在CCD相机像平面上所占有像素个数的范围R，在进行完图像二值化后，统计监测出每
块白色区域所占像素的个数，如果像素个数在范围R内就保留此区域，否则就去除，这样就去除了和圆钢端面图像相比过大和过小的区域，尽可能减少了背景等物带来的干扰区域的面积。
[0044] 7、图像分割
[0045] 经过上述一系列对圆钢端面原始图像进行的预处理后，基本上去除了背景等干扰图像对圆钢端面中心识别带来的干扰，但是，又有一个新的问题，即得到的圆钢端面有粘连情况，因为每捆圆钢由多根圆钢无规则的排列在一起的，采集的圆钢图片经过二值化等处理后，会有多个圆钢端面图像粘连在一起，机器视觉会把粘连在一起的圆钢端面图像看成是一个目标物体图像，所以本步骤主要解决圆钢端面图像粘连的情况，使粘连在一起的圆钢端面图像分割开来。
[0046] 针对圆钢端面图像特点，采用分水岭算法对圆钢端面图像进行分离。应用分水岭算法可把粘连在一起的圆钢分割开来，从而方便对各圆钢中心点进行定位。然而分割后的圆钢端面二值图像仍然有不相干区域存在如左下角的白色小区域，这时，需要将这些区域去除，通过实际测量可确定出每根圆钢端面在CCD相机像平面上所占有像素个数的范围Q，如果像素个数在范围Q内就保留此区域，否则就去除，这样就去除了把分割后的圆钢端面图像中不相干区域去除了。
[0047] 8、边缘检测
[0048] 提取了一种细化后的阶梯图像作为圆钢端面边缘检测后的图像。首先，针对圆钢端面图像的特点，设计盘型结构元素，对分割后的圆钢端面的二值图像进行一次
腐蚀操作，腐蚀后得到图像I，再对分割后的圆钢端面的二值图像进行一次膨胀操作，膨胀后得到图像J，然后将膨胀后得到的图像J减去腐蚀后得到的图像I得到的图像即为阶梯图像K，最后对阶梯图像K进行细化，得到细化后的图像。
[0049] 9、圆钢端面中心点像素坐标的确定
[0050] 针对圆钢端面分割后的图像，经过试验发现运用质心法得到的圆心坐标精确度较高。
[0051] 10、由圆钢端面中心点像素坐标得出其世界坐标
[0052] 针对成捆圆钢端面中心坐标的获取，其最终目的是得到每根圆钢端面中心点的世界坐标，所以在得到每根圆钢端面中心点的图像像素坐标后，需要将这些像素坐标转化为世界坐标，这就需要对视觉系统进行标定。
[0053] 成捆圆钢的各圆钢端面经
整理后基本上处于同一平面内，因此，可把圆钢端面所处的平面定义为世界坐标的Z面，标定时只需要二维标定即可。本视觉系统采用了基于平面方格点的CCD相机标定方法即张正友标定法进行视觉标定。因为CCD相机所拍摄到的图像与空间中的物体的实际物体之间存在一个线性关系［像］=M［物］；反应到具体的坐标系中即为[0054] （1）
[0055] 其中，（u,v）为待测目标点的像素坐标，（x,y）为待测目标点的世界坐标，s为一任意的非零尺度因子，旋转矩阵R与平移向量t称为CCD相机外部参数真假，A为CCD相机内部参矩阵，定义为
[0056] （2）
[0057] 其中，（u0，v0）为主点坐标，ax、ay分别是ｕ轴和v轴的尺度因子，r是u轴和v轴的不垂直因子。标定时把世界坐标系定义在靶标平面上，所以；所以z=0。旋转矩阵R定义为[0058] （3）
[0059] 则像素坐标系和世界坐标系的关系可具体表示为
[0060] （4）
[0061] 同一个CCD相机，在内参数不变的情况下，只需要拍摄3幅以上靶标平面图像就可以求出CCD相机的内参数和与每幅不同位置的靶标平面所对应的外参数，求解参数的过程就称为CCD相机标定。
[0062] 本标定方法的步骤如下：
[0063] 1）本标定所采用的平面靶标为尺寸30mm×30mm的棋盘格。固定CCD相机的位置保持不变，首先将平面靶标垂直于地面放置，靶标上下两边平行于水平面且保证平面靶标和圆钢端面位于同一平面内，在该位置拍摄一幅靶标平面图像，然后再转动靶标的方向拍摄三幅不同位置的靶标平面图像，利用张正友标定法就可以求出CCD相机的内参数。
[0064] 2）因为拍摄时第一张图与圆钢端面是齐平的，定义该平面靶标左上角点的世界坐标的原点，且世界坐标的Z面在平面靶标上，Z轴垂直于左上角点。
[0065] 3）运用MATLAB中自带的张正友的标定工具箱标定后得到CCD相机的内参数和对应的第一幅平面靶标的外参数。
[0066] 4）由处理后得到的圆钢端面图像，可求出圆钢中心像素坐标。
[0067] 由以上步骤提取的四根圆钢的中心点1、2、3、4像素坐标为：(u1,v1)、(u2,v2)、(u3,v3)和(u4,v4)，然后将求出的相机的内外参数以及各圆钢端面中心点坐标代入公式（4），得出圆钢端面1、2、3、4点所对应的世界坐标(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)。
[0068] 经验算，将得到的圆钢端面中心点的世界坐标传输给贴标
机器人后，贴标机器人按此世界坐标贴标，能够到达很好的贴标效果，满足要求。
