专利名称：一种用于具有拐角点特征的产品分拣的机器视觉识别方法
技术领域：
本发明涉及利用机器视觉进行在线分拣的技术领域，尤其涉及在具有拐角点特征的产品分拣现场，利用机器视觉系统对产品进行在线识别的方法。
背景技术：
分拣作业是大多数流水生产线上的一个重要环节。基于机器视觉的自动分拣与人工分拣作业相比，高效、准确，有质量保障，可以广泛应用于机械、食品、医药、化妆品等生产领域。基于机器视觉的分拣系统工作时，待分拣对象被不断地送入分拣作业区。待分拣对象是指未被确定是何种产品，将要被执行识别和分拣的产品。待分拣对象随着传送带进入分拣作业区，工业摄像机在计算机的控制下，获取流水线上包含待分拣对象的图像，计算机读入该图像，通过对该图像进行处理、分析和判断，得到流水线上待分拣对象的特征信息，将该特征信息与事先存储在计算机中的各类已知产品的特征信息相比较，确定待分拣对象是哪一种产品，最终计算机发出控制信号给分拣执行机构，将待分拣对象放到指定位置，实现分拣。为了实现自动分拣，首先要求基于机器视觉的分拣系统能够识别出流水线上待分拣对象是哪种已知产品，主要通过机器视觉来实现识别。现有技术中，识别主要有基于模板匹配的方法等。基于模板匹配的识别方法过程为首先获取已知产品的图像，作为模板图像假设模板图像的尺寸为w像素X”像素。然后，将模板图像的中心放在像素X 像素的待匹配图像中的一个像素上，比较模板图像中每个像素点和待匹配图像中被模板图像覆盖的那部分图像的每个像素点是否一致，得到模板图像在这个像素点的相关系数，然后移动模板图像的中心到下一个像素点，按照同样的步骤计算下一个像素点的相关系数。对于整幅图像重复这一过程，相关系数最大的像素点为最佳匹配点，也就是目标在图像中所处的位置。基于模板匹配的识别方法的优点是它对于噪声和遮挡的不敏感性。但是，由于匹配过程中需要计算几乎所有像素点的相关系数，是一个非常耗时的工作，计算开销十分大。另外，由于目标位姿随机，造成目标在图像中的方向不能保证完全不变，也给这种方法的识别带来困难。在数字图像中，拐角点包含着物体的重要信息，可利用拐角点信息进行形状分析、模式识别等。专利“基于差别累加值及三点链码差的图像曲线拐角点检测方法”(专利号CN101887582B)可实现对图像曲线的拐角点检测。
发明内容
针对现有技术存在的计算量大，难以处理待识别对象位姿随机情形的问题，本发明提供一种用于具有拐角点特征的产品分拣的机器视觉识别方法。本发明使用链码来计算已知产品和待分拣对象的向量序列，所提取的向量序列具有缩放、旋转不变性，在待分拣对象位姿随机的情况下，仍能够实现正确识别，匹配算法简单。本发明方法的技术方案如下
一种用于具有拐角点特征的产品分拣的机器视觉识别方法，包括以下步骤 (1)、利用工业摄像机对流水线上的已知产品进行拍摄，得到已知产品的图像，对图像进行滤波、分割、二值化处理后，得到已知产品的二值图像，对二值图像中已知产品轮廓进
行八方向Freeman链码编码得到Freeman链码(Cfc,，其中，c>)是Freeman链码的起始点像素坐标η力已知产品轮廓的像素点数目， 为已知产品轮廓上像素点的索引值，七为 点链码值；
(2)、使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码(C^C0y){c^}n中的拐角点，依次为检测到的每一个拐角点设置拐角点索引值^，拐角点索
引值，从O开始，计算每个拐角点的像素坐标，记为,其中，力拐角点索引值；
(3)、分别计算已知产品轮廓的每个拐角点的归一化拐角点质心距离值Ds/、拐角点向前的局部直方图中最大值对应的Freeman链码值Fm '、拐角点的向后直方图中最大值对应的Freeman链码值G/,其中，_为拐角点索引值。由归一化拐角点质心距离值IV、拐角点向前的局部直方图中最大值对应的Freeman链码值、拐角点的向后直方图中最大值对应的Freeman链码值Gm r构成一个已知产品的拐角点特征三维列向量f = ■[￡)/,&
(4)、对由步骤(3)中得到的所有拐角点特征三维列向量进行排序，排序
后的向量序列作为已知产品向量序列，记为将已知产品向量序列存储在用于识别和分
拣控制的计算机中，所述的M为已知产品的拐角点数目；
(5)、利用工业摄像机对流水线上的待分拣对象进行拍摄，得到待分拣对象的图像，对图像进行滤波、分割、二值化处理后，得到待分拣对象的二值图像，对二值图像中待分拣对
象轮廓进行八方向Freeman链码编码得到Freeman链码丨巧)=,其中，
是Freeman链码的起始点像素坐标，η为待分拣对象轮廓的像素点数目,力已知产品轮廓
上像素点的索引值，A为,点链码值，S为表示待分拣对象的记号；
(6)、使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码
中的拐角点,依次为检测到的每一个拐角点设置拐角点索引值,拐角
点索引值Sm从O开始，计算每个拐角点的像素坐标，记为,其中，^为拐角点索引值；
(7)、分别计算待分拣对象轮廓的每个拐角点的归一化拐角点质心距离值As/、拐角点向前的局部直方图中最大值对应的Freeman链码值Fm 1、拐角点的向后直方图中最大值对应的Freeman链码值Ga/，其中为拐角点索引值。由归一化拐角点质心距离值、拐角点向前的局部直方图中最大值对应的Freeman链码值Pa/、拐角点的向后直方图中最大值对应的Freeman链码值Gk 1构成一个待分拣对象的拐角点特征三维列向量
权利要求
1.一种用于具有拐角点特征的产品分拣的机器视觉识别方法，其特征在于，该方法包括以下步骤 (1)、利用工业摄像机对流水线上的已知产品进行拍摄，得到已知产品的图像，对图像进行滤波、分割、二值化处理后，得到已知产品的二值图像，对二值图像中已知产品轮廓进行八方向Freeman链码编码得到Freeman链码,其中，是Freeman链码的起始点像素坐标—力已知产品轮廓的像素点数目，f为已知产品轮廓上像素点的索引值，…为i点链码值; (2)、使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码中的拐角点，依次为检测到的每一个拐角点设置拐角点索引值吸，拐角点索引值《从ο开始，计算每个拐角点的像素坐标，记为,其中，M为拐角点索引值； (3)、分别计算已知产品轮廓的每个拐角点的归一化拐角点质心距离值DJ、拐角点向前的局部直方图中最大值对应的Freeman链码值Fw '、拐角点的向后直方图中最大值对应的Freeman链码值G/，其中，w为拐角点索引值； 由归一化拐角点质心距离值f、拐角点向前的局部直方图中最大值对应的Freeman链码值Fm 1、拐角点的向后直方图中最大值对应的Freeman链码值Gm '构成一个已知产品的拐角点特征三维列向量= { Dm\Pm\Gm f ； (4)、对由步骤(3)中得到的所有拐角点特征三维列向量^”^ 进行排序，排序后的向量序列作为已知产品向量序列，记为4，将已知产品向量序列存储在用于识别和分拣控制的计算机中，所述的M为已知产品的拐角点数目； (5)、利用工业摄像机对流水线上的待分拣对象进行拍摄，得到待分拣对象的图像，对图像进行滤波、分割、二值化处理后，得到待分拣对象的二值图像，对二值图像中待分拣对象轮廓进行八方向Freeman链码编码得到Freeman链码丨，其中，IpmvcS”、是Freeman链码的起始点像素坐标， 为待分拣对象轮廓的像素点数目，》为已知产品轮廓上像素点的索引值，A为,点链码值，S为表示待分拣对象的记号； (6)、使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码 中的拐角点，依次为检测到的每一个拐角点设置拐角点索引值&，拐角点索引值, 从O开始，计算每个拐角点的像素坐标，记为,其中力拐角点索引值； (7)、分别计算待分拣对象轮廓的每个拐角点的归一化拐角点质心距离值^、拐角点向前的局部直方图中最大值对应的Freeman链码值Pa/、拐角点的向后直方图中最大值对应的Freeman链码值Gas f，其中，Ste为拐角点索引值；由归一化拐角点质心距离值岛/、拐角点向前的局部直方图中最大值对应的Freeman 链码值^ f、拐角点的向后直方图中最大值对应的Freeman链码值^ f构成一个待分拣对象的拐角点特征三维列向量；(8)、对由步骤(7)中得到的所有拐角点特征三维列向量进行排序， 排序后的向量序列作为待分拣对象向量序列，记为G，所述的Af为待分拣对象的拐角点数目；(9)、对已知产品的向量序列Vr和待分拣对象的向量序列匕进行判断，完成机器视觉的识别。
2.根据权利要求I所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法， 其特征在于，上述步骤(I)所述的利用工业摄像机对流水线上的已知产品进行拍摄，得到已知产品的图像，对图像进行滤波、分割、二值化处理后，得到已知产 品的二值图像，对二值图像中已知产品轮廓进行八方向Freeman链码编码得到Freeman链码(C0"C吵)《 ,其中， (Co^CV)为Freeman链码的起始点像素坐标”为已知产品轮廓的像素点数目，i为已知产品轮廓上像素点的索引值，A为,点链码值，其具体步骤如下(1-1)、利用工业摄像机对流水线上的已知产品进行拍摄，得到已知产品的图像，对图像进行滤波、分割、二值化处理后，得到已知产品的二值图像；(1-2)、对二值图像中已知产品轮廓进行八方向Freeman链码编码得到Freeman链码，其具体为在二值图像中已知产品轮廓上，从像素坐标为的像素点起，沿着已知产品轮廓，按逆时针方向依次记录轮廓上第 个像素点所对应的Freeman链码值％ ,该记录的链码值4所形成的序列为已知产品轮廓的Freeman链码，其中，(cOfcOy)是Freeman链码的起始点像素坐标，n为已知产品轮廓的像素点数目”为已知产品轮廓上像素点的索引值，A为i点链码值，A e {0Λ-, }。
3.根据权利要求2所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法， 其特征在于，上述步骤(2)所述的使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码中的拐角点，依次为检测到的每一个拐角点设置拐角点索引值拐角点索引值《从O开始，计算每个拐角点的像素坐标，记为其中为拐角点索引值，其具体如下(2-1)、按照Freeman链码编码顺序逐点计算差别累加值j⑴=4(0+名(O，其中i为曲线像素点的索引值，为差别累加值，木(0为相邻点的差别值,名(O为间隔两个点的差别值； 所述的 ) ,
4.根据权利要求3所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法， 其特征在于，上述步骤(3)所述的分别计算已知产品轮廓的每个拐角点的归一化拐角点质心距离值A/、拐角点向前的局部直方图中最大值对应的Freeman链码值拐角点的向后直方图中最大值对应的Freeman链码值Gm、其中，m为拐角点索引值；由归一化拐角点质心距离值A4;、拐角点向前的局部直方图中最大值对应的Freeman 链码值4 1、拐角点的向后直方图中最大值对应的Freeman链码值Gm 1构成一个已知产品的拐角点特征三维列向量，其具体步骤如下(3-1)、计算每个拐角点的归一化拐角点质心距离值A/ ;(3_1_1)、计算已知广品拐角点质心的像素坐标,记为，其表达式为
5.根据权利要求4所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法，其特征在于，上述步骤(4)所述的对由步骤(3)中得到的所有拐角点特征三维列向量进行排序，排序后的向量序列作为已知产品向量序列，记为&，将已知产品向量序列存储在用于识别和分拣控制的计算机中，所述的M为已知产品的拐角点数目，其具体步骤如下(4-1)、比较由步骤(3)得到的所有拐角点特征三维列向量中归一化拐角点质心距离值的大小，得到最小归一化拐角点质心距离值对应的拐角点特征三维列向量的拐角点索引值，其具体步骤如下(4-1-1)、定义,记录归一化拐角点质心距离值的最小值，定乂 /，记录Dasis对应的拐角点特征三维列向量的拐角点索引值，设取拐角点索引值为O的拐角点特征三维列向量，其表达式为
6.根据权利要求5所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法，其特征在于，上述步骤(5)所述的利用工业摄像机对流水线上的待分拣对象进行拍摄，得到待分拣对象的图像，对图像进行滤波、分割、二值化处理后，得到待分拣对象的二值图像，对二值图像中待分拣对象轮廓进行八方向Freeman链码编码得到Freeman链码,其中，(psfjK,CSOy)是Freeman链码的起始点像素坐标，n为待分拣对象轮廓的像素点数目，I为已知产品轮廓上像素点的索引值，aI为I点链码值，S为表示待分拣对象的记号，其具体步骤如下(5-1)、利用工业摄像机对流水线上的待分拣对象进行拍摄，得到待分拣对象的图像， 对图像进行滤波、分割、二值化处理后，得到待分拣对象的二值图像；(5-2)、对二值图像中待分拣对象轮廓进行八方向Freeman链码编码得到Freeman链,其具体为在二值图像待分拣对象轮廓上，从像素坐标为的像素点起，沿着待分拣对象轮廓，按逆时针方向依次记录轮廓上第 个像素点所对应的Freeman链码值&，该记录的链码值％所形成的序列fCsqs,CsfljJ为待分拣对象轮廓的Freeman链码，其中，(cWCsoJ是Freeman链码的起始点像素坐标，n为待分拣对象的二值图像轮廓的像素点数目，，为待分拣对象轮廓上像素点的索引值，A为|点链码值， A e {0Λ..., } , S为表示待分拣对象的记号。
7.根据权利要求6所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法， 其特征在于，上述步骤(6)所述的使用“基于差别累加值及三点链码差的图像曲线拐角点检测方法”检测链码中的拐角点，依次为检测到的每一个拐角点设置角点索弓丨值I，，拐角点索引值5b从O开始，计算每个拐角点的像素坐标，记为其中， 細为拐角点索引值，其具体如下(6-1)、按照Freeman链码编码顺序逐点计算差别累加值4(0=4(0+4 (O，其中，力曲线像素点的索引值，为差别累加值，4(0为相邻点的差别值,名(i)为间隔两个点的差别值；所述的 4 ( ),当
8.根据权利要求7所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法， 其特征在于，上述步骤(7)所述的分别计算待分拣对象轮廓的每个拐角点的归一化拐角点质心距离值拐角点向前的局部直方图中最大值对应的Freeman链码值Fa/、拐角点的向后直方图中最大值对应的Freeman链码值Gs/，其中、为拐角点索引值；由归一化拐角点质心距离值仏/、拐角点向前的局部直方图中最大值对应的Freeman 链码值(、拐角点的向后直方图中最大值对应的Freeman链码值Gas f构成一个待分拣对象的拐角点特征三维列向量^,其具体步骤如下(7-1)、计算每个拐角点的归一化拐角点质心距离值岛/ ;(7-1-1)、计算待分拣对象拐角点质心的像素坐标，记为，其表达式为
9.根据权利要求8所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法，其特征在于，上述步骤(8)所述的对由步骤(7)中得到的所有拐角点特征三维列向量Vsq-Va U·，ν^_1} 1进行排序，排序后的向量序列作为待分拣对象向量序列，记力所述的M为待分拣对象的拐角点数目，其具体步骤如下(8-1)、比较由步骤(7)得到的所有拐角点特征三维列向量中归一化拐角点质心距离值的大小，得到最小归一化拐角点质心距离值对应的拐角点特征三维列向量的拐角点索引值；(8-1-1)、定义Aajs ,记录归一化拐角点质心距离值的最小值,定义!，记录Aii,对应的拐角点特征三维列向量的拐角点索引值，设取拐角点索引值为ο的拐角点特征三维列向量，其表达式为
10.根据权利要求9所述的一种用于具有拐角点特征的产品分拣的机器视觉识别方法，其特征在于，上述步骤(9)所述的对已知产品的向量序列『和待分拣对象的向量序列G进行判断，完成机器视觉的识别，其具体步骤如下 (9-1)、定义整型自变量
全文摘要
本发明公开了一种用于具有拐角点特征的产品分拣的机器视觉识别方法，包括步骤对已知产品的图像轮廓进行Freeman链码编码，用Freeman链码对拐角点检测，计算所有拐角点的拐角点特征三维列向量，再对拐角点特征三维列向量排序，将向量序列作为已知产品向量序列；对待分拣对象的图像轮廓进行Freeman链码编码，用Freeman链码对拐角点检测，计算所有拐角点的拐角点特征三维列向量，再对拐角点特征三维列向量排序，将向量序列作为待分拣对象的向量序列；最后对已知产品的向量序列和待分拣对象的向量序列进行判断，完成机器视觉的识别。该方法用链码来简化表示已知产品和待分拣对象的形状，后续计算量小，所提取的向量序列具有缩放、旋转不变性，能够实现正确识别，算法简单。
文档编号B07C5/34GK102615052SQ201210038518
公开日2012年8月1日 申请日期2012年2月21日 优先权日2012年2月21日
发明者叶丰, 施玮, 李健, 王志勇, 郭帅 申请人:上海大学