[发明专利]一种轮毂工件定位的装置及其方法

权利要求书

1.一种轮毂工件定位的装置，其特征在于：包括图像采集模块、轮毂模板信息提取模块、待检测轮毂特征点提取模块、特征点匹配模块和轮毂定位模块；所述的图像采集模块用于采集轮毂工件灰度图像；所述的轮毂模板信息提取模块用于提取轮毂模板图像上的SIFT特征点、圆心和气嘴的位置以及轮毂外边缘圆周上的四个点；待检测轮毂特征点提取模块用于提取待检测轮毂图像上的SIFT特征点信息；特征点匹配模块用于寻找待检测轮毂图像与轮毂模板图像匹配的特征点对，并计算待检测轮毂与模板轮毂的空间映射关系；轮毂定位模块用于定位待检测图像中对应的轮毂的圆心、气嘴以及轮毂外边缘圆周上的四个点的位置，并计算待检测图像中轮毂的半径长度；

所述的图像采集模块的输出端分别与轮毂模板信息提取模块和待检测轮毂特征点提取模块连接，所述的特征点匹配模块的输入端分别与轮毂模板信息提取模块和待检测轮毂特征点提取模块连接，特征点匹配模块的输出端与轮毂定位模块连接。

2.一种轮毂工件的定位装置的定位方法，其特征在于：包括以下步骤：

A、离线处理

在离线处理阶段，采集轮毂工件图像，提取并存储轮毂图像的SIFT特征点信息，并在模板图像上预先标记圆心和气嘴的位置；具体包括以下步骤：

A1、采集轮毂工件图像

由图像采集模块采集轮毂工件灰度图像，采取时，需要在光照情况良好、噪声较小的环境，获取理想的轮毂模板图像；要求该模板图像的背景颜色均匀，并且图像中只有轮毂，无其它干扰物；

A2、轮毂模板信息提取

由轮毂模板信息提取模块提取轮毂模板图像上的SIFT特征点，标定轮毂模板的圆心和气嘴位置，并测量轮毂模板的半径；具体步骤如下：

A21、解析输入的轮毂工件模版图像，搜索轮毂工件区域中满足SIFT特征点特性的像素点，统计并存储SIFT特征点描述信息，即根据步骤1)～步骤5)得到轮毂的SIFT特征点模板信息：

A211、构造图像金字塔T

输入图像定义为f(x,y)，对f(x,y)做I次下采样，得到(I+1)层的图像金字塔T，其中I＝log₂[min(M,N)]-3，M和N分别为f(x,y)的行数和列数；所述的下采样是指取彼此相邻的四个像素的均值作为下采样后的像素；

定义图像金字塔模型T中第0层的图像为T₀(x,y)，即原始图像f(x,y)；第i层的图像定义为T_i(x,y)，即对原始的图像f(x,y)做I次下采样后得到的图像，i＝0，1,2,...,I；

A212、构造高斯金字塔L

用高斯卷积核函数G(x,y,σ)对T_i(x,y)做卷积，并连续变化尺度空间因子σ，得到尺度空间为L_i：

L_i(x,y,σ)＝G(x,y,σ)*T_i(x,y)  (1)

其中，符号‘*’表示卷积运算符，σ为尺度空间因子，i＝0，1,2,...,I；

对T中(I+1)幅图像做同样操作，得到L；

A213、构造DoG金字塔D

取L_i中每两幅相邻的图像做差，得到DoG空间D_i，即

D_i(x,y,σ)＝[G(x,y,kσ)-G(x,y,σ)]*T_i(x,y)＝L_i(x,y,kσ)-L_i(x,y,σ)  (2)

其中，符号‘*’表示卷积运算符，k为两相邻尺度空间倍数的常数，i＝0，1,2,...,I；

对L中(I+1)组图像做同样操作，得到D；

A214、检测D中的空间局部极值点

利用DoG函数的泰勒展开式，在求解该函数导数为零的情况

D(X)=D+∂DT∂XX+12XT∂2DT∂2XX---(3)]]>

其中，X＝(x,y,σ)^T；

令D(X)的导数为零时，得到亚像素级精度的极值点即

X^=-∂2D-1∂X2∂D∂X---(4)]]>

A215、筛选不稳定极值点，得到SIFT特征点集

首先去除图像中对比度较低的点，即满足的极值点然后利用Hessian矩阵去除边缘极值点；

DoG金字塔中某一尺度的图像在x方向上的二阶导数定义为D_xx，则Hessian矩阵表示为：

H=DxxDxyDxyDyy---(5)]]>

H的两个特征值分别定义为λ₁和λ₂，其中λ₁≥λ₂且λ₁/λ₂＝r，这里λ₁和λ₂分别对应图像对在x方向和y方向上的主曲率值，则当r大于阈值10时，判断该极值点位于DoG曲线的边缘位置；

定义Tr(H)为H的迹，Det(H)为H的行列式，则

Tr(H)2Det(H)=(λ1+λ2)2λ1λ2=(rλ2+λ2)2rλ2λ2=(r+1)2r>(10+1)210---(6)]]>

即通过计算Tr(H)和Det(H)来避免直接求特征值，从而减少计算量；

A216、计算SIFT特征点描述符

以关键点周围任意大小的图像区域作为统计范围，将图像区域分成若干块；统计每个分块内的每个点的梯度直方图，计算出表示该区域图像信息的向量；

定义梯度的模值为m(x,y)，方向为θ(x,y)，则

m(x,y)=(L(x+1,y)-L(x-1,y))2+(L(x,y+1)-L(x,y-1))2---(7)]]>

首先计算描述符所需的图像区域，把特征点附近的邻域分为4×4个子区域，每个子区域的大小为3σ，其中σ为尺度空间因子；然后，统计各个子区域的梯度方向直方图：将特征点的方向作为基准方向，然后计算各个子区域中每一个像素点的梯度方向相对于基准方向的角度，投影到0～2π区间以π/4为间隔的8个方向上，并统计每个方向上梯度值的累加，在归一化操作后生成8维向量描述符；最后集合每个子区域的8维向量，构成一个4×4×8＝126维的特征点描述符；

A22、轮毂模板信息提取模块标定并以像素为单位存储轮毂模板图像中六个像素点的位置信息：轮毂工件的圆心O(x₀,y₀)、轮毂工件的气嘴中心O_gas(x_gas,y_gas)和轮毂外边缘圆周上的四个点O₁(x₁,y₁),O₂(x₂,y₂),O₃(x₃,y₃),O₄(x₄,y₄)；

B、在线处理

在线处理阶段，首先提取待检测图像上的SIFT特征点；然后用Best-Bin-First搜索算法搜索与轮毂模板相匹配的特征点；接着用RANSAC算法剔除误匹配点，并计算出待检测图像中轮毂与模板图像之间的空间映射关系；最后，根据模板图像的标记点，计算出待检测图像中轮毂的圆心和气嘴的位置；具体包括以下步骤：

B1、提取待检测图像上的SIFT特征点

由待检测轮毂特征点提取模块按照步骤A21取待检测图像上的SIFT特征点，即解析输入的待检测轮毂图像，搜索图像中满足SIFT特征点特性的像素点，统计并存储

B2、匹配特征点

由特征点匹配模块寻找待检测轮毂图像与轮毂模板图像匹配的特征点，并剔除误匹配点，计算待检测轮毂与模板轮毂的空间映射关系；具体步骤如下：

B21、用最近邻/次近邻算法对参考图像和待匹配图像进行初始匹配

用BBF算法搜索到与待匹配特征点p(特征向量为v_i)欧式距离最近的最邻近特征点p_min(特征向量为v_min)和次邻近特征点p_min2(特征向量v_min2)，则满足以下条件的点对是匹配的特征点：

Dist(vi,vmin)Dist(vi,vmin2)<0.8---(8)]]>

其中，Dist(v_i,v_min)表示v_i和v_min之间的马氏距离，Dist(v_i,v_min2)表示v_i和v_min2之间的马氏距离，即

Dist(vi,vmin2)=(vi-vmin2)(vi-vmin2)T---(9)]]>

Dist(vi,vmin)=(vi-vmin)(vi-vmin)T---(10)]]>

其中上标T表示矩阵转置符号；

B22、用RANSAC算法剔除误匹配点，并计算目标区域与模板图像的空间对应关系；

设点集A和B分别为模板图像和检测图像上得到的初始匹配点集合，则RANSAC算法具体步骤如下：

B221、随机在点对集合A和B中，选取4对匹配点对，计算这四对点对的投影变换矩阵H：

对图像中的一点p(x,y)，该点通过矩阵H变换到点p′(x′,y′)，即

x′y′1=Hxy1---(11)]]>

其中，H=h00h01h02h10h11h12h20h21h22,]]>

即H可通过匹配点对p(x,y)和p′(x′,y′)求出；每4对匹配点对可计算出一个投影变换矩阵；

B222、用步骤B221中计算得到的投影变换矩阵H，对点集A中的所有特征点做空间变换，得到点集B′；

计算点集B和B′中所有对应点的坐标误差，即e＝||B-B′||；设定的误差阈值σ，如果e＜σ，则认为该点对为内点对，否则为外点对；

B223、重复步骤B221和B222，找到内点对数量最多的一次变换，并将该次变换得到的内点对集合作为新的点集A和B，进行新一轮的迭代；

B224迭代终止判断：当迭代得到的内点对数目与此次迭代前点集A和B中的点对数目一致时，迭代终止；

B225、迭代结果：最后这次迭代的A和B，就是剔除误匹配特征点对后的匹配点集，相应的投影变换矩阵H代表了我们所要求的原始图像和待检测图像之间的空间变换关系；

B3、定位待检测图像中轮毂的圆心和气嘴的位置

由轮毂定位模块定位待检测图像中轮毂的圆心和气嘴的位置，并计算待检测图像中轮毂的半径长度；具体步骤如下：

B31、根据步骤B222得到的空间变换矩阵H，计算出待检测图像中与标定点对应的六个像素点：轮毂工件的圆心O′(x′₀,y′₀)、轮毂工件的气嘴中心O′_gas(x′_gas,y′_gas)和轮毂外边缘圆周上的四个点O′₁(x′₁,y′₁),O′₂(x′₂,y′₂),O′₃(x′₃,y′₃),O′₄(x′₄,y′₄)；

以轮毂圆心位置的坐标O′(x′₀,y′₀)为例：

x0′=h00x0+h01y0+h02h20+h21+1y0′=h10x0+h11y0+h12h20+h21+1---(12)]]>

B32、计算待检测图像中轮毂工件的半径R′：

R′=d1+d2+d3+d44---(13)]]>

其中di=(xi′-x0′)2+(yi′-y0′)2,i=1,2,3,4.]]>