[发明专利]一种基于边缘几何特征的图像识别方法及系统

说明书

技术领域

本发明属于机器视觉图像处理技术领域，更具体地，涉及一种基于边缘几何特征的图像识别方法及系统。

背景技术

机器视觉是计算机科学的重要研究领域之一，结合光、机、电综合应用检测识别技术，发展十分迅速。主要研究范畴包括图像特征检测、轮廓表达、基于特征的分割、距离图像分析、形状模型及表达、立体视觉、运动分析、颜色视觉、主动视觉、自标定系统、物体检测、二维与三维物体识别及定位等。其应用范围也日益扩大，涉及到机器人、工业检测、物体识别、医学图像分析、军事导航和交通管理等诸多领域。

采用机器视觉技术的智能装配可以大大缩短产品开发时间,在不变更硬件的情况下处理各种零部件。机器视觉技术不仅可以用于完成一些看起来很简单(如汽车零件装配等)的任务,更可在恶劣或有害的工作环境下实现装配。目前，在工业领域中，已经有很多以机械手、视觉系统为主体的带感知的机器人系统进入实用阶段。例如晶体管自动焊接系统、管子凸缘焊接机器人、有视觉的装配机器人、汽车车轮装入轮毅作业的自动系统等等。机器人应用视觉的方式有很多种，如对机械手定位以及跟踪目标提供反馈控制信息；确定和辨别零件的位置方位以拾取零件；控制对零件的装配；引导焊缝机器人等。

在机器视觉应用中，工件识别能力主要取决于图像处理算法能否得到稳定的工件特征。早在1972年，R.O.Duda和P.E.Hart提出在视觉领域使用霍夫变换来寻找直线、圆及其他简单形状。此后，出现了很多提取图像信息的特征算法。在1988年，C.Harris和M.Stephens提出了一种基于信号的点特征提取算子Harris角点检测算法，使用特征点来代表图像的内容。Serge Belongie,Jitendra Malik,Jan Puzicha在2000年提出了基于形状上下文的形状匹配和目标识别方法，通过统计不同特征点的分布概率来形成特征直方图。2004年D.G.Lowe在论文中发表了SIFT算法，使用尺度不变特征转换描述局部特征，通过计算待测图像与模板的能量值来确定最佳匹配对象。

国内在机器视觉应用中也提出了很多实用的算法，华中理工大学的谷红勋等人提出了基于子形心集霍夫距离的平面形状识别新方法。哈尔滨工业大学的陈东、王炎提出改进的傅立叶描述子的方法，提取出目标在任意仿射变换下都不改变的特征，并对六种飞机进行特征提取并识别。清华大学的王涛、刘文印、孙家广等利用基于曲线多边形近似的连续傅立叶变换方法计算傅立叶描述子，并通过形状的主方向消除边界起始点相位影响的方法，定义了新的具有旋转平移和尺度不变的归一化傅立叶描述子来进行形状识别。浙江大学的唐国良等人利用不变矩和标准矩从二维数字图像中对五种飞机目标进行识别。北京邮电大学的王波涛等人研究了相对矩及其在几何形状识别中的应用。上海交通大学的黄红艳、杨煌普研究了基于高阶神经网络的机械零件形状识别，提出一种机械零件在线自动检测的形状识别系统。该系统以零件各边的长度，角度，圆心角和与邻边夹角4个特征来表示零件的形状。

上述提及的应用于机器视觉中的图像处理算法，其中提出的图像信息特征的描述子大多是从理论上实现了一些更加具有鲁棒性，且不受空间缩放、平移、旋转等影响的特征表示方法。但是对于工业生产中自动化装配应用来说，难以适应恶劣现场工作环境以及加工工艺的要求，实用能力受到限制。而另外一些改进的实用算法，则需要首先对待检测的目标进行分析并建立模板数据库，在检测时必须通过遍历式的模板匹配才能找到最优匹配结果，空间复杂度和时间复杂度都会增加。

发明内容

针对制造业现有机器视觉自动装配现场的复杂环境和高实时性要求，本发明的目的在于提供一种快速的、无需建立模板数据库的工件位姿识别算法。该算法能够在复杂的工业噪声环境中提取二维平面内工件的稳定几何边缘特征并对每一类工件自动确定唯一的方向角和位置。并且处理结果将实时发送至工业机器人，从而完成批量工件的分拣操作。

为实现上述目的，本发明提供了一种基于边缘几何特征的图像识别方法，所述方法包括以下步骤：

S1：对工件的原始图像进行滤波处理，以去除噪声；

S2：根据选定的阈值，对上述滤波处理后的图像进行二值化处理；

S3：对二值化处理后的图像使用轮廓查找算法，获得轮廓序列集；

S4：使用几何规则作为条件，从上述轮廓序列集中筛选出合格的工件轮廓；

S5：确定上述工件轮廓的最小外接矩形，并确定上述工件轮廓的中心点；

S6：沿上述最小外接矩形的四条边的方向截取上述工件轮廓的四个子序列；