一种基于视觉特征的数控车床的制作方法
【技术领域】
[0001 ]本发明设及数控车床领域，具体设及一种基于视觉特征的数控车床。
【背景技术】
[0002] 数控车床是一种高精度、高效率的自动化机床。配备多工位刀塔或动力刀塔，机床 就具有广泛的加工艺性能，可加工直线圆柱、斜线圆柱、圆弧和各种螺纹、槽、蜗杆等复杂工 件，具有直线插补、圆弧插补各种补偿功能，并在复杂零件的批量生产中发挥了良好的经济 效果。
[0003] 数控车床作为一种重要的昂贵设备，其安全性尤为重要，必须能防止和监视恶意 破坏行为。
【发明内容】
[0004] 针对上述问题，本发明提供一种基于视觉特征的数控车床。
[0005] 本发明的目的采用W下技术方案来实现：
[0006] -种基于视觉特征的数控车床，包括数控车床和安装在数控车床上的监测装置， 监测装置用于对数控车床附近的活动进行视频图像监测，监测装置包括预处理模块、检测 跟踪模块、识别输出模块；
[0007] (1)预处理模块，用于对接收到的图像进行预处理，具体包括图像转化子模块、图 像滤波子模块和图像增强子模块：
[000引图像转化子模块，用于将彩色图像转化为灰度图像：
[nmol
[0010] 其中，3^，7)、6^，7)、8^，7)分别代表像素^，7)处的红绿蓝强度值，化义，7)代表 坐标(X，y)处的像素灰度值;图像大小为m X n;
[0011] 图像滤波子模块，用于对灰度图像进行滤波：
[0012] 采用维纳滤波来进行一级滤除后，定义SVlm图像，记为MsvimU,y)，具体定义公式 为：Msvim(x,y) =aiji(x,y)+a2j2(x,y)+a3j3(x,y)+a4j4(s ,y)，其中日1、日2、日3、日4为可变权值， 斯=;】+,二川.i = 1，2，3，4; J(X，y)为经滤波后的图像；
[0013] 图像增强子模块：
[0014]
其中，LU, y)为增强 后的灰度值;4(x，y)是包含有局部信息的伽马校正系数，此时，曰 是范围为O到I的可变参数，a = I - 1*^1;
[001引当112曾-前I < ^Iw-SOI且CO >50时，山奴知二255 X ('.菩)、'咐亦(1-哉），其 中iKx,y) =iK(Msvim(x,y))，化二.1-.进，nw是图像中灰度值高于128的所有像 素的均值，HiL是灰度值低于128的所有像素的均值，且此时m=min (niH，HiL )，在日值已知的情况 下，计算出256个4校正系数作为查找表，记为：^*。的}留，其中i为索引值，利用Msvlm(x，パ的 灰度值作为索引，根据iKx，y)=私(Msvim(x，y))快速获得图像中每个像素的伽马校正系数4 (X，y); 1 -^为模板修正系数；
[0016] (2)检测跟踪模块，具体包括构建子模块、丢失判别子模块和更新子模块：
[0017] 构建子模块，用于视觉字典的构建：
[0018] 在初始帖获取跟踪目标的位置和尺度，在其周围选取正负样本训练跟踪器，将跟 踪结果作为训练集X={xi，x2,……xn}T;并对训练集中的每幅目标图像提取128维的SIFT特 征{/完)}:-1，肿S康示i川练集中第t幅g标醒中SIFT特征的个数;跟踪娜姐后，通过聚 类算法将运些特征划分为K个簇，每个簇的中屯、构成特征单词，记为{。巧==1:能够提取到的 特征总量旬二其中K<<Fn，且K ? 视觉字典构建好W后，每幅训练图像 表示为特征包的形式，用于表示视觉字典中特征单词出现的频率，用直方图Mxt)表示，h (Xt)通过W下方式获取:将一幅训练图像Xt中的每一个特征fsW向视觉字典投影，用投影距 离最短的特征单词表示该特征，对所有特征投影完毕后，统计每个特征单词的出现频率，并 归一化得到训练图像Xt的特征直方图h(xt);
[0019] 丢失判别子模块，用于判别目标的丢失与否：
[0020] 当新一帖图像到来时，从K个直方图柱中随机选取Z<K个直方图柱，且Z = 4,形成新 的大小为Z的子直方图hW(xt)，子直方图的个数最多为％ = Cf个;计算候选目标区域和训 练集中某个目标区域对应子直方图的相似性。t_z，\,二IJ= .1 VhW杉JhW(X)，其中t = 1，2,…，N，z = l，2,…，Ns,然后计算总体相似性〇t=l-nz(l-〇t_z);候选目标区域与目标 一 /.. .、 街>醉 的相似性用。=max{〇t，t}表示，则目标丢失判断式为:U = sign(>) = L ，其中 1;0:远 < 酱 gs为人为设定的判失阀值;当U = 1时目标被稳定跟踪，当U = O时，目标丢失；
[0021] 当目标丢失时，定义仿射变换模型
其 中（xt，yt)和(Xt-I，yt-1)分别为当前帖目标中某个SITF特征点的位置坐标和前一个帖目标中 对应匹配特征点的位置坐标，两者均为已知量;S为尺度系数，0为旋转系数，e和f代表了平 移系数
为溫度平移修正系数，山和化用于修正因为环境溫度偏差造成的图像旋转和平移误差，I'd为 人为设定的标准溫度，设为20度，T为由溫度传感器实时监测得到的溫度值;采用Ransac估 计算法求取仿射变换模型的参数，最后在新的尺度S和旋转系数0下采集正负样本，更新分 类器；
[0022] 更新子模块，用于视觉字典的更新：
[0023] 在每帖图像获得目标位置W后，根据仿射变换参数的计算结果，收集所有满足结 果参数的SIFT特征点{篇}完=1，经过F = 3帖W后，获得新的特征点集{庙據击其中St-F代表 了从F帖图像中得到的总特征点数；利用下式对新旧特征点重新进行K聚类：{&巧=1二 kineanWl-'如{觀}:把。巧=,.)，其中拘父=1表示新的视觉字典，视觉字典的大小保 持不变；取€{0，1}是遗忘因子，表明了旧字典所占的比重，越小，新特征对目标丢失的判 断贡献越多，取《=0.12;
[0024] (3)识别输出模块，用于图像的识别和输出：在待识别的图像序列中利用跟踪算法 获取目标区域，将目标区域映射到已知训练数据形成的子空间，计算子空间中目标区域与 训练数据之间的距离，获得相似性度量，判定目标类别，并输出识别结果。
[0025] 优选的，采用维纳滤波来进行一级滤除后，此时图像信息还包含有残余的噪音，采 用W下的二级滤波器进行二次滤波：
[0026]
[0027] 其中，J(X，y)为经过滤波后的图像;Pg(x+i，y+j)代表尺度为m X n的函数，且Pg(X+ i，y+j)=qXe邱(-(x2+y2)/?)，其中q是将函数归一化的系数，即 JJqXe邱(-(x2+y2)/?) dxdy = l〇
[0028] 本数控车床的有益效果为:在图像预处理阶段，增强的图像能够根据模板的大小 自适应调整，提高增强效果，且在在不同模板大小时判断条件能自动修正，且考虑了视觉习 惯W及人眼对不同色彩的感知度同色彩强度的非线性关系；将MXN个幕指数运算降低为 256个，提高了计算效率;在目标检测和跟踪阶段，能够消除不同溫度导致图像的旋转和平 移造成的误差，提高识别率，经处理后的图像细节更加清晰，且计算量相对于传统方法大幅 度减少，能够有效适应目标尺度变化，并能够准确判定目标是否发生丢失，在目标重新回到 视场后能够被重新检测并稳定跟踪。此外，该数控车床具有实时性好、定位准确和鲁棒性强 的优点，且在快速有遮挡的目标检测和跟踪方面取得了很好的效果。
【附图说明】
[0029] 利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限 审IJ，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可W根据W下附图获得 其它的附图。
[0030]图I是一种基于视觉特征的数控车床的结构框图；
[0031 ]图2是一种基于视觉特征的数控车床的外部示意图。
【具体实施方式】
[0032] 结合W下实施例对本发明作进一步描述。
[0033] 实施例1:如图1-2所示，一种基于视觉特征的数控车床，包括数控车床5和安装在 数控车床5上的监测装置4,监测装置4用于对数控车床附近的活动进行视频图像监测，监测 装置4包括预处理模块1、检测跟踪模块2、识别输出模块3。
[0034] (1)预处理模块1，用于对接收到的图像进行预处理，具体包括图像转化子模块11、 图像滤波子模块12和图像增强子模块13:
[0035] 图像转化子模块11，用于将彩色图像转化为灰度图像：
[0036]
[0037] 其中，3^，7)、6^，7)、8^，7)分别代表像素^，7)处的红绿蓝强度值，化义，7)代表 坐标(X，y)处的像素灰度值;图像大小为m X n;
[0038] 图像滤波子模块12,用于对灰度图像进行滤波：
[0039] 采用维纳滤波来进行一级滤除后，定义SVlm图像，记为MsvimU,y)，具体定义公式 为：Msvim(x,y) =aiji(x,y)+a2j2(x,y)+a3j3(x,y)+a4j4(x,y)，其中日1、日2、日3、日4为可变权值， a尸Ji+,二3 ，i = 1，2，3，4; J(X，y)为经滤波后的图像；
[0040] 图像增强子模块13:
[0041] 当帖8-ml > VIW -吕句时，L(x,y) = 2巧K户|^)如'Y)，其中，Ux，y)为增强 后的灰度值;iKx，y)是包含有局部信息的伽马校正系数，此时^ M进n比W)，。是 范围为0到1的可变参数，a = 1 - l^^l;
[00创当 112召-对 < \fU0 - 50| 且 W >50时，L(x y) = 25日 X 巧* 如，其 中iKx，y)=恥(Msvim(x，y))，a= l- ，邮是图像中灰度值高于i2g的所有像 IzB 素的均值，HiL是灰度值低于128的所有像素的均值，且此时m=min (mH，IIiL )，在a值已知的情况 下，计算出256个4校正系数作为查找表，记为[4。(!说11，其中i为索引值，利用Msvim(x，y)的 灰度值作为索引，根据i