1.本發(fā)明涉及機(jī)械領(lǐng)域和人工智能制造領(lǐng)域，具體涉及一種基于數(shù)字圖像處理的鋸片拾取方法及系統(tǒng)的改進(jìn)。


背景技術(shù)：

2.工業(yè)生產(chǎn)隨著機(jī)器人的參與，生產(chǎn)的效率得到了極大地提高。在最近的十年里，逐漸成為衡量一個(gè)國(guó)家制造業(yè)水平重要標(biāo)志。歐美發(fā)達(dá)國(guó)家希望在技術(shù)、產(chǎn)業(yè)方面繼續(xù)領(lǐng)先優(yōu)勢(shì)，搶占制造業(yè)高端。智能裝備將是未來(lái)制造業(yè)發(fā)展的主要方向。
3.隨著高精度智能制造的進(jìn)一步需求，傳統(tǒng)的鋸片已經(jīng)不能滿足越來(lái)越高的需求，對(duì)鋸片的要求越來(lái)越高，因此對(duì)于鋸片從生產(chǎn)到檢測(cè)的每個(gè)細(xì)節(jié)，對(duì)鋸片各處細(xì)節(jié)檢測(cè)要求也越來(lái)越高，為了保證生產(chǎn)、檢測(cè)細(xì)節(jié)的穩(wěn)定，這需要對(duì)鋸片的每個(gè)細(xì)節(jié)進(jìn)行拍照、分析，才能保證每個(gè)細(xì)節(jié)的穩(wěn)定。
4.傳統(tǒng)的鋸片拾取機(jī)器人的局限性在于他們只能每次從完全相同的位置拾取鋸片，缺乏應(yīng)對(duì)不同拾取對(duì)象的能力。解決這個(gè)問(wèn)題的方法就是將機(jī)器人與視覺(jué)系統(tǒng)結(jié)合，使其能夠自動(dòng)抓取。其在工業(yè)生產(chǎn)、質(zhì)量檢測(cè)領(lǐng)域有廣泛應(yīng)用。將機(jī)器視覺(jué)和工業(yè)機(jī)器人結(jié)合，通過(guò)相機(jī)采集的圖像信息，使用計(jì)算機(jī)進(jìn)行圖像處理，獲取鋸片信息。可以實(shí)現(xiàn)對(duì)工業(yè)機(jī)器人的引導(dǎo)，增加工業(yè)機(jī)器人的抗干擾能力和靈活性。
5.在工業(yè)應(yīng)用中，都是根據(jù)某一類形狀大小都相同的鋸片對(duì)工業(yè)機(jī)器人進(jìn)行編程。在對(duì)相同形狀，不同大小的鋸片進(jìn)行拾取時(shí)，依然需要重新編程對(duì)機(jī)器人進(jìn)行設(shè)定的工作是重復(fù)的。


技術(shù)實(shí)現(xiàn)要素：

6.本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的缺陷和不足，提供一種基于數(shù)字圖像處理的鋸片拾取方法及系統(tǒng)，它通過(guò)對(duì)鋸片自動(dòng)識(shí)別和定位的研究，對(duì)待拾取的鋸片進(jìn)行人工智能處理，實(shí)時(shí)獲得機(jī)器人拾取鋸片時(shí)的點(diǎn)位，控制機(jī)器人準(zhǔn)確抓取鋸片；從而可以保證對(duì)于生產(chǎn)和檢測(cè)過(guò)程中鋸片質(zhì)量的穩(wěn)定，以滿足當(dāng)前對(duì)于鋸片精度的要求。
7.為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案是：它包括視覺(jué)系統(tǒng)1、圖像識(shí)別系統(tǒng)2、機(jī)器人控制系統(tǒng)3和機(jī)器人控制檢測(cè)端4；視覺(jué)系統(tǒng)1 中攝像機(jī)拾取對(duì)象為鋸片，視覺(jué)系統(tǒng)1包括攝像機(jī)11與投影儀12，圖像識(shí)別系統(tǒng)2包括圖像獲取與識(shí)別和通訊接口兩部分，機(jī)器人控制系統(tǒng)3包括控制器、ros系統(tǒng)；被控制的對(duì)象為機(jī)器人控制檢測(cè)端4；
8.具體工作流程如下：圖像識(shí)別系統(tǒng)2首先通過(guò)投影儀12在計(jì)算機(jī)的控制下對(duì)鋸片投射，將鋸片通過(guò)編碼好的編碼投射出光柵條紋；攝像機(jī)11 將投影在鋸片上的光柵條紋和鋸片的圖像傳回計(jì)算機(jī)，計(jì)算機(jī)對(duì)攝像機(jī)11 傳回的圖像進(jìn)行處理后，通過(guò)軟件的通訊接口與機(jī)器人控制系統(tǒng)3的通訊接口進(jìn)行鋸片抓取位置的數(shù)據(jù)交換；機(jī)器人控制系統(tǒng)4在數(shù)據(jù)交換后，將鋸片抓取位置的數(shù)據(jù)通過(guò)ros系統(tǒng)寫(xiě)入控制器；機(jī)器人控制檢測(cè)端4通過(guò)控制器，將鋸片通過(guò)吸盤(pán)吸附起來(lái)，并將其放到指定的位置上。
9.所述的視覺(jué)系統(tǒng)1和圖像識(shí)別系統(tǒng)2工作流程為：利用工業(yè)相機(jī)對(duì)鋸片進(jìn)行拍攝，通過(guò)以太網(wǎng)線將鋸片圖片傳回到計(jì)算機(jī)中，并以.jpg的格式保存；將待處理的鋸片圖片導(dǎo)入到圖像識(shí)別系統(tǒng)2軟件中，并將導(dǎo)入的鋸片圖片進(jìn)行二值化處理，使其變成二值圖像；
10.所述的二值化處理分為兩個(gè)步驟：第一個(gè)步驟，將圖像變成灰度圖像，即使原本的三通道彩色圖像，轉(zhuǎn)換為單通道的圖像，即黑白圖像；第二個(gè)步驟是將由256個(gè)亮度等級(jí)組成的灰度圖像通過(guò)與之選取后獲得一個(gè)可以反映圖像整體和局部特征的二值化圖像，具體采用閾值處理；對(duì)二值化后的鋸片圖片進(jìn)行濾波，去除圖片中的噪音。將得到的鋸片邊緣形狀圖片擬合成一個(gè)圓形，并根據(jù)鋸片邊緣上的點(diǎn)找到擬合圓的圓心和半徑。鋸片擬合成圓形采用霍夫變換法檢測(cè)圓形。
11.直角坐標(biāo)下圓的平面坐標(biāo)為
12.(x-a)2+((y-b)2＝r213.為快速得到鋸片圓心的坐標(biāo)和半徑，采用黃金分割方法進(jìn)行尋優(yōu)；將擬合圓的水平直徑的三分之一點(diǎn)的位置記錄下來(lái)，作為機(jī)器人使用吸盤(pán)吸附的點(diǎn)位。
14.該處理使得圖像變得簡(jiǎn)單，數(shù)據(jù)量變小，有利于圖像的進(jìn)一步處理。
15.所述的通訊接口的通訊協(xié)議采用modbus協(xié)議，通訊方式采用 tcp/ip。
16.協(xié)議如下表所示
17.報(bào)文字節(jié)范圍備注事務(wù)處理標(biāo)識(shí)符20x0000-0xffff由服務(wù)器賦值，通常為0協(xié)議標(biāo)識(shí)符20x0000-0xffff通常為0長(zhǎng)度字段20x0000-0xffff數(shù)據(jù)長(zhǎng)度從站地址10x00-0xff從站網(wǎng)址最后一個(gè)碼功能碼10x00-0xff表述功能地址20x0000-0xffff對(duì)應(yīng)讀寫(xiě)地址內(nèi)容40x00000000-0xffffffff讀寫(xiě)內(nèi)容crc校驗(yàn)20x0000-0xffff校驗(yàn)
18.所述的閾值處理采用方法如下：對(duì)于圖像i(x，y)，前景(即目標(biāo))和背景的分割閾值記作t，屬于前景的像素點(diǎn)數(shù)占整幅圖像的比例記為ω0，其平均灰度μ0；背景像素點(diǎn)數(shù)占整幅圖像的比例為ω1，其平均灰度為μ1；
19.ω0+ω1＝1
20.圖像的總平均灰度記為μ，類間方差記為δ2。
21.圖像的大小為m
×
n，圖像中像素的灰度值小于閾值t的像素個(gè)數(shù)記作 n0，像素灰度大于閾值t的像素個(gè)數(shù)記作n1，
22.其中n0+n1＝m
×
n，則
23.前景像素點(diǎn)占比為背景像素點(diǎn)占比為
24.總平均灰度為μ＝ω0μ0+ω1μ125.類間方差為δ2＝ω0(μ-μ0)2+ω1(μ-μ1)2＝ω0ω1(μ
0-μ1)226.閾值t的取值范圍為0～256之間的整數(shù)，取t在該范圍內(nèi)的類間方差δ2最大時(shí)，t的值作為二值化的閾值。
27.所述的濾波方法采用中值濾波高斯濾波和形態(tài)學(xué)處理；中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周?chē)南袼刂到咏鎸?shí)值，從而消除孤立的噪聲點(diǎn)。本發(fā)明采用的領(lǐng)域范圍為一個(gè)3x3的方形領(lǐng)域；
28.設(shè)一點(diǎn)在圖像中的位置為i(x，y)，則該點(diǎn)在中值濾波后的取值應(yīng)為
29.g(x，y)＝med{i(x
±
1，y
±
1)}
30.高斯濾波用于對(duì)圖像進(jìn)行高斯加權(quán)平均。使用一個(gè)3x3的高斯掩膜與圖像矩陣進(jìn)行二維卷積。
31.所述的高斯掩膜的形成方式如下：首先確定掩膜大小為3x3的矩形掩膜。設(shè)掩膜中每個(gè)方格的坐標(biāo)為(x，y)，錨點(diǎn)(μ1，μ2)為(0，0)。則根據(jù)高斯概率分布
[0032][0033]
其中，是掩膜坐標(biāo)，是錨點(diǎn)坐標(biāo)，σ是權(quán)重。由于錨點(diǎn)選擇(0， 0)，因此上式可簡(jiǎn)化為
[0034][0035]
最后再將掩膜進(jìn)行歸一化。
[0036]
形態(tài)學(xué)處理是對(duì)模糊后的圖像進(jìn)行開(kāi)操作，即先腐蝕后膨脹。腐蝕能夠消融鋸片的邊界，腐蝕的結(jié)構(gòu)是使物體變小。膨脹能使鋸片邊界擴(kuò)大，用于將圖像中原本斷裂開(kāi)來(lái)的圖像橋接起來(lái)，對(duì)圖像進(jìn)行二值化之后，很容易使一個(gè)連通的物體斷裂為兩個(gè)部分用膨脹就可以解決這個(gè)問(wèn)題。開(kāi)運(yùn)算可以使圖像的輪廓變得光滑，還能使狹窄的連接斷開(kāi)和消除細(xì)毛刺。
[0037]
具體：
[0038]
由于生產(chǎn)線上的鋸片移動(dòng)速度較快，為1秒鐘一個(gè)鋸片。為了提高濾波速度，采用壓縮感知算法選取濾波數(shù)據(jù)來(lái)源，如此可大大提高濾波速度。
[0039]
壓縮感知數(shù)學(xué)模型為
[0040]
若將n維實(shí)信號(hào)x∈rn×1在某組正交基(ψi為n維列向量)下進(jìn)行展開(kāi)，即
[0041][0042]
其中展開(kāi)系數(shù)θi≤x，ψi≥ψ
ti
x寫(xiě)成矩陣的形式可以得到：
[0043]
x＝ψθ
[0044]
ψ＝[ψ1，ψ2，...ψn]∈rn×n為正交基字典矩陣(滿足ψψ
t
＝ψ
t
ψ＝i)，展開(kāi)系數(shù)向量θ＝[θ1，θ2，...θn]
t
假設(shè)系數(shù)向量θ是k-稀疏的，即其中非零系數(shù)的個(gè)數(shù)k＜＜n，那么采用另一個(gè)與正交基字典ψ不相關(guān)的觀測(cè)矩陣φ：mxn(m＜n)，其每一行可以看作是一個(gè)傳感器，它與系數(shù)相乘，獲取了信號(hào)的部分信息，對(duì)信號(hào)x 執(zhí)行一個(gè)壓縮觀測(cè)：
[0045]
y＝φx
[0046]
可以得到m個(gè)線性觀測(cè)(或投影)y∈rm，這些少量線性投影中則包含了重構(gòu)信號(hào)x的足夠信息；對(duì)濾波后的鋸片圖片進(jìn)行canny邊緣提取，得到鋸片的邊緣形狀。
[0047]
canny邊緣算子是一種既能濾去噪聲，又能保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器。
采用二維高斯函數(shù)任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過(guò)與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)缺點(diǎn)圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。高斯函數(shù)在某一方向n上的異界方向?qū)?shù)為
[0048][0049][0050]
式中，n為方向矢量，為梯度矢量，將圖像f(x，y)與gn卷積，同時(shí)改變n的方向，gn*f(x，y)取最大值時(shí)的n為正交于檢測(cè)邊緣的方向。利用 soble算子計(jì)算圖像的梯度幅值
[0051]
m(x，y)＝|d
x
(x，y)|+|dy(x，y)|
[0052]
梯度方向
[0053][0054]
之后在每一點(diǎn)上，領(lǐng)域中心x與沿著其對(duì)應(yīng)的梯度方向的兩個(gè)像素相比，若中心像素為最大值，則保留，否則中心置0，得到細(xì)化的邊緣。
[0055]
將得到的鋸片邊緣形狀圖片擬合成一個(gè)圓形，并根據(jù)鋸片邊緣上的點(diǎn)找到擬合圓的圓心和半徑。鋸片擬合成圓形采用霍夫變換法檢測(cè)圓形。
[0056]
直角坐標(biāo)下圓的平面坐標(biāo)為
[0057]
(x-a)2+(y-b)2＝r2[0058]
為快速得到鋸片圓心的坐標(biāo)和半徑，采用黃金分割方法進(jìn)行尋優(yōu)。
[0059]
對(duì)圓心橫坐標(biāo)與縱坐標(biāo)取最小值的68.1％作為分界點(diǎn)，將圓心可能位置分為四個(gè)象限。令圓的半徑r從最小值到最大值遍歷滿足直角坐標(biāo)下圓的一般方程的r，每計(jì)算一個(gè)值，就對(duì)數(shù)組元素加1。計(jì)算結(jié)束后計(jì)算數(shù)組元素累加值。如果在某一象限內(nèi)數(shù)組元素累加值最大，則將該象限繼續(xù)以68.1％的比例分為四個(gè)象限，分別計(jì)算數(shù)組元素累加值最大，取數(shù)組元素累加值最大繼續(xù)分割，如此反復(fù)得到最終的圓心位置以及半徑大小。
[0060]
本發(fā)明的目的在于克服現(xiàn)有鋸片拾取系統(tǒng)對(duì)相同形狀，不同大小的鋸片進(jìn)行拾取時(shí)，依然需要重新編程對(duì)機(jī)器人進(jìn)行設(shè)定的問(wèn)題，提出了一種基于數(shù)字圖像處理的鋸片拾取方法及系統(tǒng)。
[0061]
它通過(guò)對(duì)鋸片自動(dòng)識(shí)別和定位的研究，對(duì)待拾取的鋸片進(jìn)行人工智能處理，實(shí)時(shí)獲得機(jī)器人拾取鋸片時(shí)的點(diǎn)位，控制機(jī)器人準(zhǔn)確抓取鋸片；從而可以保證對(duì)于生產(chǎn)和檢測(cè)過(guò)程中鋸片質(zhì)量的穩(wěn)定，以滿足當(dāng)前對(duì)于鋸片精度的要求。
附圖說(shuō)明
[0062]
為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0063]
圖1是本發(fā)明的系統(tǒng)框圖。
[0064]
圖2是本發(fā)明實(shí)施基于數(shù)字圖像處理的鋸片拾取方法流程圖。
[0065]
圖3是本發(fā)明實(shí)施基于數(shù)字圖像處理的鋸片拾取方法二值化處理流程圖。
[0066]
圖4是本發(fā)明實(shí)施基于數(shù)字圖像處理的鋸片拾取方法濾波處理流程圖。
[0067]
圖5是本發(fā)明實(shí)施基于數(shù)字圖像處理的鋸片拾取方法邊緣提取流程圖。
[0068]
圖6是本發(fā)明利用工業(yè)相機(jī)拍照的原始圖像。
[0069]
圖7是對(duì)原始圖像進(jìn)行二值化并消除噪音后的圖像。
[0070]
圖8是將消除噪音后的圖像的鋸片輪廓繪制出來(lái)。
[0071]
圖9是將鋸片所在的同心圓繪制出來(lái)。
[0072]
附圖標(biāo)記說(shuō)明：視覺(jué)系統(tǒng)1、圖像識(shí)別系統(tǒng)2、機(jī)器人控制系統(tǒng)3、機(jī)器人控制檢測(cè)端4、包括攝像機(jī)11、投影儀12。
具體實(shí)施方式
[0073]
參看圖1-9所示，本具體實(shí)施方式采用的技術(shù)方案是：
[0074]
利用工業(yè)相機(jī)對(duì)鋸片進(jìn)行拍攝。通過(guò)以太網(wǎng)線將鋸片圖片傳回到計(jì)算機(jī)中，并以.jpg的格式保存。如圖6所示。
[0075]
將待處理的鋸片圖片導(dǎo)入到軟件中，并將導(dǎo)入的鋸片圖片進(jìn)行二值化處理，使其變成二值圖像。二值化圖像處理分為兩個(gè)步驟。第一個(gè)步驟，將圖像變成灰度圖像，即使原本的三通道彩色圖像，轉(zhuǎn)換為單通道的圖像，即黑白圖像。第二個(gè)步驟是將由256個(gè)亮度等級(jí)組成的灰度圖像通過(guò)與之選取后獲得一個(gè)可以反映圖像整體和局部特征的二值化圖像。使得圖像變得簡(jiǎn)單，數(shù)據(jù)量變小，有利于圖像的進(jìn)一步處理。在閾值處理過(guò)程中，采用方法如下：
[0076]
對(duì)于圖像i(x，y)，前景和背景的分割閾值記作t，屬于前景的像素點(diǎn)數(shù)占整幅圖像的比例記為ω0，其平均灰度μ0；背景像素點(diǎn)數(shù)占整幅圖像的比例為ω1，其平均灰度為μ1。ω0+ω1＝1
[0077]
圖像的總平均灰度記為μ，類間方差記為δ2。
[0078]
圖像的大小為m
×
n，圖像中像素的灰度值小于閾值t的像素個(gè)數(shù)記作 n0，像素灰度大于閾值t的像素個(gè)數(shù)記作n1，
[0079]
其中n0+n1＝m
×
n，則
[0080]
前景像素點(diǎn)占比為背景像素點(diǎn)占比為
[0081]
總平均灰度為μ＝ω0μ0+ω1μ1[0082]
類間方差為δ2＝ω0(μ-μ0)2+ω1(μ-μ1)2＝ω0ω1(μ
0-μ1)2[0083]
閾值t的取值范圍為0～256之間的整數(shù)，取t在該范圍內(nèi)的類間方差δ2最大時(shí)，t的值作為二值化的閾值。
[0084]
對(duì)二值化后的鋸片圖片進(jìn)行濾波，去除圖片中的噪音。濾波的方法采用中值濾波高斯濾波和形態(tài)學(xué)處理。
[0085]
中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周?chē)南袼刂到咏鎸?shí)值，從而消除孤立的噪聲點(diǎn)。本發(fā)明采用的領(lǐng)域范圍為一個(gè)3x3的方形
領(lǐng)域。
[0086]
設(shè)一點(diǎn)在圖像中的位置為i(x，y)，則該點(diǎn)在中值濾波后的取值應(yīng)為
[0087]
g(x，y)＝med{i(x
±
1，y
±
1)}
[0088]
高斯濾波用于對(duì)圖像進(jìn)行高斯加權(quán)平均。使用一個(gè)3x3的高斯掩膜與圖像矩陣進(jìn)行二維卷積。高斯掩膜的形成方式如下
[0089]
首先確定掩膜大小為3x3的矩形掩膜。設(shè)掩膜中每個(gè)方格的坐標(biāo)為(x，y)，錨點(diǎn)(μ1，μ2)為(0，0)。則根據(jù)高斯概率分布
[0090][0091]
其中，是掩膜坐標(biāo)，是錨點(diǎn)坐標(biāo)，σ是權(quán)重。由于錨點(diǎn)選擇(0， 0)，因此上式可簡(jiǎn)化為
[0092][0093]
最后再將掩膜進(jìn)行歸一化。
[0094]
形態(tài)學(xué)處理是對(duì)模糊后的圖像進(jìn)行開(kāi)操作，即先腐蝕后膨脹。腐蝕能夠消融鋸片的邊界，腐蝕的結(jié)構(gòu)是使物體變小。膨脹能使鋸片邊界擴(kuò)大，用于將圖像中原本斷裂開(kāi)來(lái)的圖像橋接起來(lái)，對(duì)圖像進(jìn)行二值化之后，很容易使一個(gè)連通的物體斷裂為兩個(gè)部分用膨脹就可以解決這個(gè)問(wèn)題。開(kāi)運(yùn)算可以使圖像的輪廓變得光滑，還能使狹窄的連接斷開(kāi)和消除細(xì)毛刺。得到的結(jié)果如圖7所示。
[0095]
對(duì)濾波后的鋸片圖片進(jìn)行canny邊緣提取，得到鋸片的邊緣形狀。 canny邊緣算子是一種既能濾去噪聲，又能保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器。采用二維高斯函數(shù)任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過(guò)與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)缺點(diǎn)圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。高斯函數(shù)在某一方向n上的異界方向?qū)?shù)為
[0096][0097][0098]
式中，n為方向矢量，為梯度矢量，將圖像f(x，y)與gn卷積，同時(shí)改變n的方向，gn*f(x，y)取最大值時(shí)的n為正交于檢測(cè)邊緣的方向。利用 soble算子計(jì)算圖像的梯度幅值
[0099]
m(x，y)＝|d
x
(x，y)|+|dy(x，y)|
[0100]
梯度方向
[0101][0102]
之后在每一點(diǎn)上，領(lǐng)域中心x與沿著其對(duì)應(yīng)的梯度方向的兩個(gè)像素相比，若中心像素為最大值，則保留，否則中心置0，得到細(xì)化的邊緣。得到的結(jié)果如圖8所示。
[0103]
將得到的鋸片邊緣形狀圖片擬合成一個(gè)圓形，并根據(jù)鋸片邊緣上的點(diǎn)找到擬合圓
的圓心和半徑。鋸片擬合成圓形采用霍夫變換法檢測(cè)圓形。
[0104]
直角坐標(biāo)下圓的平面坐標(biāo)為
[0105]
(x-a)2+(y-b)2＝r2[0106]
為快速得到鋸片圓心的坐標(biāo)和半徑，采用黃金分割方法進(jìn)行尋優(yōu)。其方法如下：
[0107]
對(duì)圓心橫坐標(biāo)與縱坐標(biāo)取最小值的68.1％作為分界點(diǎn)，將圓心可能位置分為四個(gè)象限。令圓的半徑r從最小值到最大值遍歷滿足直角坐標(biāo)下圓的一般方程的r，每計(jì)算一個(gè)值，就對(duì)數(shù)組元素加1。計(jì)算結(jié)束后計(jì)算數(shù)組元素累加值。如果在某一象限內(nèi)數(shù)組元素累加值最大，則將該象限繼續(xù)以68.1％的比例分為四個(gè)象限，分別計(jì)算數(shù)組元素累加值最大，取數(shù)組元素累加值最大繼續(xù)分割，如此反復(fù)得到最終的圓心位置以及半徑大小。得到的結(jié)果如圖9所示。將擬合圓的水平直徑的三分之一點(diǎn)的位置記錄下來(lái)，作為機(jī)器人使用吸盤(pán)吸附的點(diǎn)位。
[0108]
本發(fā)明的目的在于克服現(xiàn)有鋸片拾取系統(tǒng)對(duì)相同形狀，不同大小的鋸片進(jìn)行拾取時(shí)，依然需要重新編程對(duì)機(jī)器人進(jìn)行設(shè)定的問(wèn)題，提出了一種基于數(shù)字圖像處理的鋸片拾取方法及系統(tǒng)。
[0109]
它通過(guò)對(duì)鋸片自動(dòng)識(shí)別和定位的研究，對(duì)待拾取的鋸片進(jìn)行人工智能處理，實(shí)時(shí)獲得機(jī)器人拾取鋸片時(shí)的點(diǎn)位，控制機(jī)器人準(zhǔn)確抓取鋸片；從而可以保證對(duì)于生產(chǎn)和檢測(cè)過(guò)程中鋸片質(zhì)量的穩(wěn)定，以滿足當(dāng)前對(duì)于鋸片精度的要求。
[0110]
以上所述，僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，本領(lǐng)域普通技術(shù)人員對(duì)本發(fā)明的技術(shù)方案所做的其它修改或者等同替換，只要不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。