CN102303314A - 工业生产中的碳碗中心和导槽定位装置及其定位方法 - Google Patents

Abstract

本发明提出一种工业生产中的炭碗中心和导槽定位装置及其定位方法，应用于工业中炭块清理。定位装置包括串口通信模块、图像采集模块、图像处理模块和摄像头，串口通信模块用于通信，机械手臂控制系统发出采集信号后，图像采集模块控制摄像头进行炭碗图像采集，图像处理模块对采集的图像进行处理得到炭碗圆形参数和导槽角度这些数据，机械手臂控制系统根据这些数据定位机械手臂进行炭块清理。所述的定位方法，将采集的图像进行噪声滤波、高通滤波，将获取的边缘图像做拟合，得到炭碗圆形参数，在对圆形做径向投影、滤波后得到导槽角度。本发明实现了炭碗中心的确定和导槽角度的确定，为机械手臂提供了定位参数，能够提高炭块清理的工作效率。

Description

工业生产中的碳碗中心和导槽定位装置及其定位方法

技术领域

本发明涉及有色金属生产技术领域，具体涉及工业生产中铝电解阳极碳块的碳碗中心和导槽定位的装置及其定位方法。

背景技术

工业生产中碳块的自动清理，可以提高生产效率，保护生产工人。本发明旨在为机械手臂提供定位信息。

目前的碳块清理由人工完成，由于厂房里存在大量灰尘，工人健康收到很大影响。机械手臂在工业生产自动化中扮演者极为重要的角色，被广泛的应用于自动装配、组合和抽取物件或一些具有困难且不适合人力负担的工作。在工业生产中可以用机械手臂进行碳块的自动清理，这样可以提高生产效率，保护生产工人。但是在进行碳块的自动清理时候，需要为机械手臂提供定位信息。将机械手臂应用于碳块清理是一个有益的改进，为其定位的特殊性在于碳碗的形状。如图3所示，铝电解阳极碳块的碳碗为具有六个导槽的圆形，该圆具有内外两层边缘，并有一定的变形，定位目标为确定圆心坐标和其中一个导槽的角度，以提供给机械手臂进行碳块清理，但目前还没有针对铝电解中阳极碳块的碳碗的清理的定位装置和方法。

发明内容

本发明的目的是为了解决铝电解中阳极碳块的碳碗的定位，提出一种金属冶炼生产中的碳碗中心和导槽定位方法。

一种碳碗中心和导槽定位装置包括串口通信模块、图像采集模块、图像处理模块和摄像头。所述的串口通信模块接收机械手臂控制系统传送来的图像采集信号，并将该信号发送给图像采集模块，所述的图像采集模块收到图像采集信号后，控制摄像头进行碳碗图像的采集，并实时将采集的每张图像传送给图像处理模块，所述的图像处理模块对接收到的每张图像进行处理，具体处理过程是：首先对图像滤除光斑，再采用高斯滤波器做噪声滤波得到初始图像，再对初始图像分别做0度、45度、90度和135度的高通滤波，然后取四个高通滤波结果的平均值，得到一幅边缘图像，对边缘图像作拟合得到碳碗的圆形参数包括：圆心坐标和半径，根据得到圆形，获取初始图像的投影函数，对该投影函数进行滤波器滤波求极大值点，得到导槽在碳碗圆形所在的图像坐标系中相对于圆心的导槽角度，图像处理模块将从每张图像中得到的碳碗的圆形参数和导槽角度，通过串口通信模块发送给机械手臂控制系统。

一种碳碗中心和导槽定位方法，具体包括以下步骤：

步骤一、机械手臂控制系统发出图像采集信号给串口通信模块，串口通信模块将接收到图像采集信号发送给图像采集模块。

步骤二、机械手臂控制系统控制机械手臂移动，使机械手臂位于要拍摄的碳碗的正上方，然后图像采集模块控制摄像头采集碳碗图像，并将采集的碳碗图像传送给图像处理模块。

步骤三、图像处理模块对接收到的图像进行处理：

(1)对原始图像进行滤除光斑处理得到图像I：首先以图像左上角的点作为坐标原点(O，O)，水平方向作为X轴，竖直方向作为Y轴建立坐标系，然后确定滤除光斑的阈值T：

$T=\max \{t:\underset{i=t}{\overset{255}{\mathrm{\Σ}}}H\left(i\right)>0.07\}$

H(i)表示灰度值为i的像素在整幅图像中所占的比例，i＝0，1，…255，t表示某一个灰度值；最后对原始图像的像素逐列进行扫描，如果某个像素I(i，j)的值大于T，则令该像素的值为其上一个像素的灰度值，如果该像素为第一行像素，则令该像素的灰度值为阈值T；

(2)采用高斯滤波器做噪声滤波得到初始图像I′；

(3)分别对初始图像I′做0度，45度，90度和135度的高通滤波，然后对四个高通滤波的滤波结果求平均，得到一幅边缘图像I_e；

(4)对边缘图像I_e做拟合，得到碳碗圆形的参数：

$Q(\mathrm{\β},x,y,r)=\underset{i=0}{\overset{M}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

$-\underset{i=-M}{\overset{0}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

$(x_0,y_0,r_0)=\underset{(x,y,r)}{\arg \max }\underset{\mathrm{\β}}{\mathrm{\Σ}}\mathrm{abs}\left(Q(\mathrm{\β},x,y,r)\right)$

其中，Q(β，x，y，r)表示边缘图像I_e在以(x，y)为圆心r为半径的圆的角度β方向上，内外各M个像素的差，角度β为圆心(x，y)与所取的像素的连线与过圆心(x，y)且平行与X轴的直线的顺时针角度，M为一个正整数，表示在碳碗圆形内或者圆形外所取的像素的个数，(x₀，y₀，r₀)为所要求得的碳碗圆形的圆心(x₀，y₀)和半径r₀；

(5)在初始图像I′上，取得到的碳碗圆形的内外各Z个像素，做径向投影，得到投影函数P(θ)：

$P\left(\mathrm{\θ}\right)=\underset{i=-Z}{\overset{Z}{\mathrm{\Σ}}}{I}^{\′}(y_0+(r_0-i)*\sin \left(\mathrm{\θ}\right),x_0+(r_0-i)*\cos \left(\mathrm{\θ}\right))$

将得到的投影函数P(θ)通过滤波器滤波得到

对信号

求极大值点，得到在碳碗圆形所在的图像坐标系中导槽相对于圆心的导槽角度θ₀：

${\mathrm{\θ}}_0=\underset{\mathrm{\θ}}{\arg \max }\tilde{P}\left(\mathrm{\θ}\right)$

步骤四、判断对碳块的四个碳碗是否都进行了采集，若不是，转步骤二执行，若是，则将得到的所有碳碗的圆形参数和导槽角度发送给串口通信模块。

步骤五、串口通信模块将接收到的碳碗的圆形参数和导槽角度数据发送给机械手臂控制系统，机械手臂控制系统根据收到的数据控制机械手臂进行碳块清理。

本发明的优点与积极效果在于：本发明实现了碳碗中心的确定和导槽角度的确定，为机械手臂提供了定位参数，能够提高碳块清理的工作效率。

附图说明

图1是本发明定位装置的系统结构示意图；

图2是本发明定位方法的步骤图；

图3是一个原始的碳碗图像的示例图；

图4是对投影函数进行滤波的滤波器的波形示意图；

图5是本发明定位方法中进行定位得到的碳碗圆形和导槽角度的示意图。

具体实施方式

下面将结合附图和实施对本发明作进一步的详细说明。

本发明的碳碗中心和导槽定位装置包括：串口通信模块2、图像采集模块3、图像处理模块4和摄像头5，如图1所示。

如图1所示，机械手臂控制系统1通过串口通信模块2发送一个图像采集信号给图像采集模块3，图像采集模块3收到后控制摄像头5采集碳碗图像，每采集完成一张图像以后将采集的图像传给图像处理模块4进行处理，检测碳碗中心和导槽位置，等采集处理完四张图像后，图像处理模块4通过串口通信模块2给机械手臂控制系统1发送信号并返回处理结果。机械手臂控制系统1根据收到的数据控制机械手臂定位，进行碳块清理。

摄像头5固定在机械手臂上，垂直于碳块，其和机械手臂的坐标关系已经确定，机械手臂控制系统1通过机械手臂的坐标和碳碗中心相对机械手臂的相对坐标确定移动方向。由于每个碳块有四个碳碗，所以需要进行四次拍摄。每次拍摄前，机械手臂控制系统1会根据碳块的生产参数移动机械手臂，使机械手臂位于要拍摄的碳碗的正上方。

串口通信模块2负责本发明定位装置与电气系统1进行通信，可以使用编程工具VisualC++6.0来实现与电气系统1进行通信的功能。图像采集模块3采用MicroVision VGA174采集卡，使用工具Visual C++6.0编写控制功能，实现碳碗图像的获取。图像采集模块3控制的摄像头5采用Watec 902B工业相机及TAMRON 12VM1040ASIR镜头。图像处理模块4使用工具Visual C++6.0编写，确定碳碗的圆心坐标和导槽角度，实现碳碗中心及导槽定位。

图像处理模块4对图像进行处理，得到碳碗的圆形参数及导槽角度，具体处理过程是：首先对得到的图像进行滤除光斑处理，再采用高斯滤波器做噪声滤波得到初始图像，再分别对初始图像做0度、45度、90度和135度的高通滤波，然后取四次高通滤波结果的平均值，得到一幅边缘图像，对边缘图像作拟合得到碳碗圆形的圆心坐标和半径，根据得到圆形，获取初始图像的投影函数，对该投影函数进行滤波器滤波求极大值点，得到导槽在碳碗圆形所在的图像坐标系中相对于圆心的导槽角度。

本发明的工业生产中的碳碗中心和导槽定位方法，如图2所示，具体是：

步骤一、机械手臂控制系统1发出图像采集信号给串口通信模块2，串口通信模块2将接收到图像采集信号发送给图像采集模块3。

步骤二、机械手臂控制系统1控制机械手臂移动，使机械手臂位于要拍摄的碳碗的正上方，然后图像采集模块3控制摄像头5采集碳碗图像，并将采集的碳碗图像传送给图像处理模块4。

步骤三、图像处理模块4对接收到的原始图像进行下面处理：

(1)滤除可能的光斑。首先以图像左上角的点作为坐标原点(O，O)，水平方向作为X轴，竖直方向作为Y轴建立坐标系，如图5所示。然后统计图像的灰度直方图H(i)，i＝0，1，…255，H(i)表示灰度值为i的像素在整幅图像中所占的比例，并通过式(1)求得滤除光斑的阈值T：

$T=\max \{t:\underset{i=t}{\overset{255}{\mathrm{\Σ}}}H\left(i\right)>0.07\}---\left(1\right)$

其中，t表示某一个灰度值，T是在t的候选集中求得的最大值。最后对原始图像中所有灰度值大于T的像素进行最近邻差值，即逐列进行扫描，如果某个像素I(i，j)的值大于T，则令它的值为其上一个像素的灰度值；如果其为第一行像素，则令它的灰度值为阈值T，用式(2)表示为：

$I(i,j)=\left\{\begin{array}{cc}I(i-1,j),& i>1\\ T,& i=1\end{array}\right.---\left(2\right)$

(i，j)为像素的坐标。

(2)采用高斯滤波器对图像做噪声滤波。经过(1)处理后得到图像I，经二维高斯滤波器G(x，y)滤波，滤波过程可表示为I和G的卷积表示：I′＝I*G，则I′为滤波以后得到初始图像。

其中，G(x，y)定义为：

$G(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}^2}+\frac{y^2}{{\mathrm{\σ}}^2})}---\left(3\right)$

其中参数σ取值为5.6，是在所述的碳碗中心和导槽定位装置上获得的最优参数。

(3)边缘检测。首先分别对初始图像I′做0度，45度，90度和135度的高通滤波，具体通过式(4)进行高通滤波：

$E_{\mathrm{\α}}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{I}^{\′}(i+k*\cos \mathrm{\α},j+k*\sin \mathrm{\α})-\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{I}^{\′}(i-k*\cos \mathrm{\α},j-k*\sin \mathrm{\α})---\left(4\right)$

其中，N表示对碳碗圆形求边缘所需要的范围，为正整数，本发明实施例中通过在所述的碳碗中心和导槽定位装置进行实验获得的经验值，取1≤N≤50；α表示角度，取值为0度，45度，90度和135度；E_α(i，j)为初始图像I′中坐标为(i，j)的像素做角度α的高通滤波的滤波结果。

然后取四个滤波结果的平均值，得到一幅边缘图像，记为I_e：

$I_e=\frac{E_0+E_{45}+E_{90}+E_{135}}{4}---\left(5\right)$

(4)碳碗中心定位。对边缘图像I_e做拟合，得到碳碗圆形的参数：

$Q(\mathrm{\β},x,y,r)=\underset{i=0}{\overset{M}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

(6)

$-\underset{i=-M}{\overset{0}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

$(x_0,y_0,r_0)=\underset{(x,y,r)}{\arg \max }\underset{\mathrm{\β}}{\mathrm{\Σ}}\mathrm{abs}\left(Q(\mathrm{\β},x,y,r)\right)---\left(7\right)$

其中，M为一个正整数，表示在碳碗圆形内或者圆形外所取的像素的个数，Q(β，x，y，r)表示I_e在以(x，y)为圆心、r为半径的圆的角度β方向上，内外各M个像素的差，角度β为圆心(x，y)与所取的像素的连线与X轴正方向的顺时针的角度，0≤β＜360。abs表示求绝对值，表示对所有的角度求和，(x₀，y₀，r₀)为通过最大化

求得的碳碗圆形的圆心(x₀，y₀)和半径r₀。

(5)导槽定位：取(4)得到的碳碗的圆形内外各Z个像素做径向投影，10≤Z≤50，得到投影函数P(θ)：

$P\left(\mathrm{\θ}\right)=\underset{i=-Z}{\overset{Z}{\mathrm{\Σ}}}{I}^{\′}(y_0+(r_0-i)*\sin \left(\mathrm{\θ}\right),x_0+(r_0-i)*\cos \left(\mathrm{\θ}\right))---\left(8\right)$

其中，θ为角度，0≤θ＜360，P(θ)为初始图像I′在角度θ方向上的投影。将投影函数得到的曲线用如图4所示的滤波器滤波得到

图4所示的滤波器的系数由1和-1组成，在导槽对应的角度上，滤波器系数为-1，在非导槽对应的角度上，滤波器系数为1。对信号

求极大值点，得到导槽在碳碗圆形所在的图像坐标系中相对于圆心的角度θ₀：

${\mathrm{\θ}}_0=\underset{\mathrm{\θ}}{\arg \max }\tilde{P}\left(\mathrm{\θ}\right)---\left(9\right)$

也可以得到导槽的坐标(x_d，y_d)为：

x_d＝x₀+r₀*cos(θ₀)

                                                             (10)

y_d＝y₀+r₀*sin(θ₀)

得到的圆心坐标和导槽角度如图5所示。

步骤四、判断对碳块的四个碳碗是否都进行了采集，若否，转步骤二执行，若是，则将得到的所有数据包括碳碗的圆形参数和导槽角度发送给串口通信模块2。

步骤五、串口通信模块2将接收到的数据发送给机械手臂控制系统1，机械手臂控制系统1根据收到的数据控制机械手臂进行碳块清理。

采用本发明的装置和方法来进行碳碗中心和导槽的定位，对一个碳碗图像进行处理后得到的实施例数据如下表1所示。

表1实施例数据

参数	x0(像素)	y0(像素)	θ0(度)
				估计值	937	853	17
估计误差	2	-3	1.2

从表1中可看出，本发明得到的碳碗圆形的圆心(x₀，y₀)与实际确定的碳碗圆形的圆心相比，横坐标相差2个像素，纵坐标相差3个像素，导槽角度θ₀相差1.2度，误差很小，从而可以说明本发明能够实现碳碗中心的确定和导槽角度的确定，为机械手臂提供定位参数。

Claims (8)

1.一种工业生产中的炭碗中心和导槽定位装置，其特征在于，该定位装置包括串口通信模块、图像采集模块、图像处理模块和摄像头；所述的串口通信模块接收机械手臂控制系统传送来的图像采集信号，并将该信号发送给图像采集模块，所述的图像采集模块收到图像采集信号后，控制摄像头进行碳碗图像的采集，并实时将采集的每张图像传送给图像处理模块，所述的图像处理模块对接收到的每张图像进行处理，具体处理过程是：首先对图像滤除光斑，再采用高斯滤波器做噪声滤波得到初始图像，再对初始图像分别做0度、45度、90度和135度的高通滤波，然后取四个高通滤波结果的平均值，得到一幅边缘图像，对边缘图像作拟合得到碳碗的圆形参数包括：圆心坐标和半径，根据得到圆形，获取初始图像的投影函数，对该投影函数进行滤波器滤波求极大值点，得到导槽在碳碗圆形所在的图像坐标系中相对于圆心的导槽角度，图像处理模块将从每张图像中得到的碳碗的圆形参数和导槽角度，通过串口通信模块发送给机械手臂控制系统。

2.根据权利要求1所述的碳碗中心和导槽定位装置，其特征在于，所述的图像采集模块采用MicroVision VGA174采集卡实现。

3.根据权利要求1所述的碳碗中心和导槽定位装置，其特征在于，所述的摄像头固定在机械手臂上，在每次拍摄前，机械手臂控制系统控制机械手臂位于要拍摄的碳碗的正上方。

4.应用权利要求1所述的碳碗中心和导槽定位装置的一种工业生产中的碳碗中心和导槽定位方法，其特征在于，该定位方法具体步骤如下：

步骤一、机械手臂控制系统发出图像采集信号给串口通信模块，串口通信模块将接收到图像采集信号发送给图像采集模块；

步骤二、机械手臂控制系统控制机械手臂移动，使机械手臂位于要拍摄的碳碗的正上方，然后图像采集模块控制摄像头采集碳碗图像，并将采集的碳碗图像传送给图像处理模块；

步骤三、图像处理模块对接收到的原始图像进行处理：

(1)对原始图像进行滤除光斑处理得到图像I：首先以图像左上角的点作为坐标原点(O，O)，水平方向作为X轴，竖直方向作为Y轴建立坐标系，然后确定滤除光斑的阈值T：

$T=\max \{t:\underset{i=t}{\overset{255}{\mathrm{\Σ}}}H\left(i\right)>0.07\}$

H(i)表示灰度值为i的像素在整幅图像中所占的比例，i＝0，1，…255，t表示某一个灰度值；最后对原始图像的像素逐列进行扫描，如果某个像素I(i，j)的值大于T，则令该像素的值为其上一个像素的灰度值，如果该像素为第一行像素，则令该像素的灰度值为阈值T；

(2)采用高斯滤波器G(x，y)做噪声滤波得到初始图像I′＝I*G；

(3)对初始图像I′做0度，45度，90度和135度的高通滤波，然后对上述的四个高通滤波的滤波结果求平均，得到一幅边缘图像I_e；

(4)对边缘图像I_e做拟合，得到碳碗圆形的参数：

$Q(\mathrm{\β},x,y,r)=\underset{i=0}{\overset{M}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

$-\underset{i=-M}{\overset{0}{\mathrm{\Σ}}}{I}_e(y+(r-i)*\sin \left(\mathrm{\β}\right),x+(r-i)*\cos \left(\mathrm{\β}\right))$

$(x_0,y_0,r_0)=\underset{(x,y,r)}{\arg \max }\underset{\mathrm{\β}}{\mathrm{\Σ}}\mathrm{abs}\left(Q(\mathrm{\β},x,y,r)\right)$

其中，Q(β，x，y，r)表示边缘图像I_e在以(x，y)为圆心，r为半径的圆的角度β方向上，内外各M个像素的差，角度β为圆心(x，y)与所取的像素的连线到X轴正方向的顺时针角度，M为一个正整数，表示在碳碗圆形内或者圆形外所取的像素的个数，(x₀，y₀，r₀)为所要求得的碳碗圆形的圆心(x₀，y₀)和半径r₀；

(5)在初始图像I′上，取得到的碳碗的圆形的内外各Z个像素，做径向投影，得到投影函数P(θ)：

$P\left(\mathrm{\θ}\right)=\underset{i=-Z}{\overset{Z}{\mathrm{\Σ}}}{I}^{\′}(y_0+(r_0-i)*\sin \left(\mathrm{\θ}\right),x_0+(r_0-i)*\cos \left(\mathrm{\θ}\right))$

将得到的投影函数P(θ)通过滤波器滤波得到

对信号

求极大值点，得到在碳碗圆形所在的图像坐标系中导槽相对于圆心的导槽角度θ₀：

${\mathrm{\θ}}_0=\underset{\mathrm{\θ}}{\arg \max }\tilde{P}\left(\mathrm{\θ}\right)$

步骤四、将得到的所有碳碗的圆形参数和导槽角度发送给串口通信模块，然后判断对碳块的四个碳碗是否都进行了采集，若不是，转步骤二执行，若是，执行下一步；

步骤五、串口通信模块将接收到的碳碗的圆形参数和导槽角度发送给机械手臂控制系统，机械手臂控制系统根据收到的数据控制机械手臂进行碳块清理。

5.根据权利要求4所述的碳碗中心和导槽定位方法，其特征在于，步骤三中的(2)所述的高斯滤波器G(x，y)为：

$G(x,y)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}^2}+\frac{y^2}{{\mathrm{\σ}}^2})}$

其中，参数σ取值为5.6。

6.根据权利要求4所述的碳碗中心和导槽定位方法，其特征在于，步骤三中的(3)所述的高通滤波具体通过下式得到：

$E_{\mathrm{\α}}(i,j)=\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{I}^{\′}(i+k*\cos \mathrm{\α},j+k*\sin \mathrm{\α})-\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{I}^{\′}(i-k*\cos \mathrm{\α},j-k*\sin \mathrm{\α})$

其中，N为正整数，表示对碳碗圆形求边缘所需要的范围，取值范围为：1≤N≤50；α表示高通滤波的角度，取值为0度，45度，90度和135度；E_α(i，j)为初始图像I′中坐标为(i，j)的像素做角度α的高通滤波的滤波结果。

7.根据权利要求4所述的碳碗中心和导槽定位方法，其特征在于，步骤三中所述的(5)中的对投影函数P(θ)进行滤波的滤波器，该滤波器的系数由1和-1组成，在导槽对应的角度上，滤波器系数为-1，在非导槽对应的角度上，滤波器系数为1。

8.根据权利要求4所述的碳碗中心和导槽定位方法，其特征在于，步骤三中所述的Z的取值范围为：10≤Z≤50。

Images