毛麗鳳 夏漢均

（1、廣東職業(yè)技術(shù)學(xué)院，廣東 佛山 528000 2、東風(fēng)日產(chǎn)乘用車公司，廣東 廣州 510000）

1 概述

隨著機(jī)器視覺技術(shù)的迅猛發(fā)展，其在工業(yè)方面的檢測應(yīng)用也越來越廣泛，例如：食品包裝缺陷檢測、汽車涂膠檢測、瓶裝啤酒填充液位檢測、醫(yī)療圖像檢測等。但是國內(nèi)還沒有運(yùn)用機(jī)器視覺進(jìn)行運(yùn)動鞋自動裝箱檢測的案例。

目前國內(nèi)運(yùn)動鞋裝箱流水線采用人工檢測的方式匹配運(yùn)動鞋與對應(yīng)的鞋盒，防止裝箱錯誤。但在生產(chǎn)流水線上，人長時(shí)間工作很容易疲勞，導(dǎo)致生產(chǎn)效率降低，甚至出現(xiàn)失誤。

本文采用基于機(jī)器視覺的運(yùn)動鞋自動裝箱檢測技術(shù)，將采集的運(yùn)動鞋與鞋盒上的標(biāo)簽圖像，進(jìn)行灰度化、Log 濾波、邊緣檢測、銳化等圖像處理，再將處理后的圖像，進(jìn)行角點(diǎn)檢測和特征匹配，最終達(dá)到自動檢測目的。該技術(shù)可以代替人工檢測，從而提高檢測的質(zhì)量和效率。

2 圖像采集及灰度化

檢測對象選取安踏男籃球鞋，通過改變工業(yè)機(jī)器人攝像機(jī)的位置和角度，獲取運(yùn)動鞋與鞋盒上標(biāo)簽的圖像，并灰度化結(jié)果如圖1 所示。

圖1 獲取帶有標(biāo)簽的運(yùn)動鞋與鞋盒圖像

3 圖像增強(qiáng)

采集的圖像由于受外界因素的干擾，經(jīng)常需要改善圖像的質(zhì)量，以增強(qiáng)圖像的視覺效果。將一幅圖像中的有用信息（即感興趣信息）進(jìn)行增強(qiáng)，同時(shí)將無用信息（即干擾信息或噪聲）進(jìn)行抑制，以提高圖像的可觀察性，利于計(jì)算機(jī)處理。

具體操作流程如圖2 所示。

圖2 圖像增強(qiáng)操作流程

基于二階微分的拉普拉斯算子對于細(xì)節(jié)（細(xì)線和孤立點(diǎn)）能產(chǎn)生更強(qiáng)的響應(yīng)，并且各向同性，因此在圖像增強(qiáng)中較一階的梯度算子更受我們的青睞。然而，它對于噪聲點(diǎn)的響應(yīng)也更強(qiáng)。為了在取得更好銳化效果的同時(shí)把噪聲干擾降到最低，可以先對帶有噪聲的原始圖像進(jìn)行平滑濾波，再進(jìn)行銳化增強(qiáng)邊緣和細(xì)節(jié)。Marr 等根據(jù)人類視覺特性，將高斯濾波和拉普拉斯邊緣檢測技術(shù)相結(jié)合，提出了高斯- 拉普拉斯算子，簡稱LoG（Laplacian of Gauss）算法。其形狀酷似墨西哥草帽，因此也被稱為墨西哥草帽算子，如圖3 所示。

圖3 LoG 算子

該算法的主要思路和步驟是：

（1）濾波：首先對原始圖像f（x，y）進(jìn)行高斯平滑濾波，即：

LoG 算子先將圖像進(jìn)行高斯濾波，濾除服從高斯分布的噪聲，且孤立的噪聲點(diǎn)和小組織結(jié)構(gòu)也被濾除；再用拉普拉斯銳化突現(xiàn)圖像的邊緣信息。LoG 算子與拉普拉斯算子相比，噪聲得到了有效的抑制，銳化效果較好。

運(yùn)用LoG 算子處理采集的運(yùn)動鞋與鞋盒標(biāo)簽圖像效果如圖4、5 所示。

圖4 LoG 算子處理運(yùn)動鞋標(biāo)簽效果

圖5 LoG 算子處理鞋盒標(biāo)簽效果

4 圖像角點(diǎn)匹配

4.1 角點(diǎn)提取

特征點(diǎn)是一幅圖像中最典型的特征標(biāo)志之一，因其易于匹配，在影像匹配、圖像拼接等諸多方面都具有重要作用。角點(diǎn)特征與直線、圓、邊緣等其他特征相比，具有提取過程簡單、結(jié)果穩(wěn)定、提取算法適應(yīng)性強(qiáng)的特點(diǎn)，成為圖像特征匹配算法的首選。

經(jīng)過實(shí)驗(yàn)比較，本文采用Harris 角點(diǎn)檢測算法。該算法是Chris Harris 和Mike Stephens 在1988 年提出的一種基于信號的點(diǎn)特征提取算子，該算子通過簡單的一階差分計(jì)算，可以提取穩(wěn)定、均勻的角點(diǎn)特征并且可以定量提取特征點(diǎn)。運(yùn)用Harris算法對運(yùn)動鞋與鞋盒標(biāo)簽銳化圖像進(jìn)行角點(diǎn)提取結(jié)果如圖6所示。

圖6 Harris 算法提取運(yùn)動鞋與鞋盒標(biāo)簽角點(diǎn)

4.2 角點(diǎn)特征匹配

所謂角點(diǎn)特征匹配是判斷圖像間的角點(diǎn)特征是否存在對應(yīng)關(guān)系，在提取出角點(diǎn)后，計(jì)算角點(diǎn)間的相似程度，尋找兩兩角點(diǎn)進(jìn)行匹配對。將上述通過Harris 算法提取的角點(diǎn)進(jìn)行匹配，角點(diǎn)特征匹配結(jié)果如圖7 所示。

圖7 運(yùn)動鞋與鞋盒標(biāo)簽圖像角點(diǎn)匹配

5 結(jié)論

本文通過采集運(yùn)動鞋與鞋盒上的標(biāo)簽圖像，經(jīng)過灰度化、平滑濾波、邊緣檢測、銳化等圖像增強(qiáng)處理，再將處理后的圖像進(jìn)行角點(diǎn)提取、特征匹配，最終將標(biāo)簽中貨號、鞋碼等關(guān)鍵信息進(jìn)行匹配，匹配效果良好。綜上所述，可將此自動檢測技術(shù)運(yùn)用在運(yùn)動鞋裝箱流水線上，代替人工檢測，提高檢測的質(zhì)量和效率。